Concluding commentsAwareness of the

Concluding commentsAwareness of the problems caused by spatial autocorrelation when using aggregated data in regression analysis is slowly spreading within the social sciences from the disciplines of geography, spatial econometrics, and regional science. Within sociology, for example, recent publications have emphasized the importance of space and place (e.g., Gieryn, 2000; Lobao, 2004; Lobao & Saenz, 2002; Tickamyer, 2000). In addition, a small number of sociologists have begun publishing research analyses where spatial processes have been brought into model specifications to correct for bias or inefficiency in parameter estimates that occur when spatial effects are ignored (e.g., Baller & Richardson, 2002; Baller et al., 2001; Deane, Beck, & Tolnay, 1998; Messner & Anselin, 2004; Sampson & Morenoff, 2004; Sampson, Morenoff, & Earls, 1999; Tolnay, 1995; Tolnay, Deane, & Beck, 1996). Unfortunately, however, this is still an emerging area where software developments have not kept pace with conceptual and theoretical advances—at least to the extent of making available relatively easy-to-use software. (GeoDa is emerging in ways that will soon contradict this statement, if it hasn’t already.) For example, in our reanalysis of the FL data, despite the fact that we have been able to deploy several useful software packageswith which to estimate spatial regression models, we were not able to fully implement the models we wished to estimate (e.g., properly weighted versions of models 3 and 4). As is evident from some ‘‘holes’’ (labeled ‘‘M’’) in Table 3, the kinds of regression diagnostics provided by the different packages differ (e.g., S-Plus did not provide a R2 statistic or AIC score for the weighted spatial error model). Finally, even when everything else matched up, the R2 statistic provided by SpaceStat differed from that reported by GeoDa and R, and the AIC score from SpaceStat also differed, but inconsequentially.

結果 (繁體中文) 1:

結論意見

利用回歸分析匯總數據時由空間自相關引起的問題意識是慢慢地從地理，空間計量經濟學和區域科學學科在社會科學中蔓延。在社會學，例如，最近的出版物都強調了空間和地點的重要性（如Gieryn，2000;洛巴，2004;洛巴和薩恩斯，2002; Tickamyer，2000）。此外，社會學家少數已經開始發布，這些空間過程已納入規格型號，以正確的時空間效果被忽略（例如，芭蕾和理查德森，2002年發生的偏見或低效的參數估計值的研究分析，芭蕾等。，2001;迪恩，貝克，與Tolnay，1998年，梅斯納爾和安瑟倫，2004年;桑普森和Morenoff，2004年;桑普森，Morenoff，與伯爵，1999; Tolnay，1995; Tolnay，迪恩，與貝克，1996）。然而不幸的是，這仍然是其中的軟件開發沒有跟上概念和理論的進步，至少要使得可用相對易於使用的軟件的程度的新興領域。（GeoDa正在出現，這將很快否定了這種說法的方式，如果它沒有。）例如，在我們的FL數據的再分析，儘管我們已經能夠部署幾個有用的軟件包
與估計的空間回歸模型，我們沒能完全實現，我們希望估計（例如，模型3和4的正常加權版本）的模型。如從表3中的一些''孔''（標記為“'M''）顯然，由不同的包中提供的種回歸診斷的不同（例如，S-PLUS沒有提供R2統計或AIC比分為加權空間誤差模型）。最後，即使當一切匹配起來，通過SpaceStat提供R2統計從由GeoDa和R報導不同，從SpaceStat的AIC得分也各不相同，但前後不一致。

結果 (繁體中文) 2:

結論性意見

在迴歸分析中使用聚合資料時，對空間自相關問題的認識正在從地理、空間計量經濟學和區域科學等學科在社會科學中緩慢傳播。例如，在社會學中，最近的出版物強調了空間和地點的重要性（例如，2000年，吉林;2000年;2000年，《空間與地方》，2000年;2000年，《空間與空間》;2000年，《空間與空間》;2000年，《空間與空間》;2000年，《空間與空間》和《空間與洛寶，2004年;洛寶 – 薩恩斯， 2002;蒂克馬耶，2000年）。此外，少數社會學家已開始發表研究分析，其中空間過程已納入模型規範，以糾正忽略空間效應時出現的參數估計偏差或低效率（例如，鮑爾–理查森，2002年;鮑爾等人，2001年;迪恩，貝克，托爾奈，1998年;梅斯納– 安塞林，2004年;桑普森– 莫爾諾夫， 2004;桑普森，莫爾諾夫，伯爵，1999年;托爾奈，1995年;托爾奈，迪恩，和貝克，1996年）。然而，不幸的是，這仍然是一個新興的領域，軟體發展沒有跟上概念和理論的進步，至少提供了相對便於使用的軟體。（GeoDa 正在以很快會與這一說法相矛盾的方式出現，如果尚未出現。例如，在重新分析 FL 資料時，儘管我們已經能夠部署幾個有用的套裝軟體
在估計空間回歸模型時，我們無法完全實現我們希望估計的模型（例如，模型 3 和 4 的適當加權版本）。從表 3 中的一些"漏洞"（標記為"M'"）中可以明顯看出，不同包提供的回歸診斷類型不同（例如，S-Plus 沒有為加權空間誤差模型提供 R2 統計量或 AIC 分數）。最後，即使其他所有內容都匹配，SpaceStat 提供的 R2 統計資訊也不同于 GeoDa 和 R 報告的資料，SpaceStat 的 AIC 分數也不同，但無關緊要。

結果 (繁體中文) 3:

結論意見
當在回歸分析中使用聚集數據時，對空間自相關引起的問題的認識在地理學、空間計量經濟學和區域科學等學科的社會科學中正在緩慢傳播。例如，在社會學領域，最近的出版品強調了空間和場所的重要性（例如，Gieryn，2000；Lobao，2004；Lobao&Saenz，2002；Tickamyer，2000）。此外，少數社會學家已經開始發表研究分析，將空間過程納入模型規範，以糾正忽略空間效應時參數估計的偏差或無效性（例如Baller&Richardson，2002；Baller等人，2001；Deane，Beck，&Tolnay，1998；Messner&安塞林，2004年；桑普森和莫雷諾夫，2004年；桑普森、莫雷諾夫和厄爾斯，1999年；托爾納，1995年；托爾納，迪恩和貝克，1996年）。然而，不幸的是，這仍然是一個新興領域，軟體發展沒有跟上概念和理論的發展，至少在提供相對容易使用的軟件方面是如此。（如果GeoDa還沒有出現的話，它的出現將很快與這一說法相衝突。）例如，在我們對FL數據的重新分析中，儘管我們已經能够部署幾個有用的套裝軟體
對於估計空間回歸模型，我們無法完全實現我們希望估計的模型（例如，模型3和4的適當加權版本）。從錶3中的一些“孔”（標記為“M”）可以明顯看出，不同套裝軟體提供的回歸診斷類型不同（例如，S-Plus沒有提供加權空間誤差模型的R2統計或AIC得分）。最後，即使其他數據都匹配，SpaceStat提供的R2統計資料與GeoDa和R報告的有所不同，SpaceStat的AIC評分也有所不同，但並不合理。