دوره تحلیل پیشرفته داده‌های پنل فضایی: کشف سریع و دقیق الگوهای پنهان با مدل‌های خودهمبسته فضایی بیزی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب تحلیل پیشرفته داده‌های پنل فضایی: کشف سریع و دقیق الگوهای پنهان با مدل‌های خودهمبسته فضایی بیزی

موضوع کلی: اقتصادسنجی فضایی

موضوع میانی: مدل‌سازی پیشرفته پنل فضایی و عوامل پنهان

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه‌ای بر اقتصادسنجی فضایی: چرا مکان اهمیت دارد؟
• 2. آشنایی با داده‌های پنل (ترکیبی): ساختار و مزایا
• 3. مفهوم خودهمبستگی فضایی و آزمون موران آی
• 4. ماتریس وزن فضایی (W): تعریف، انواع و ساخت
• 5. استانداردسازی ماتریس وزن فضایی
• 6. مدل‌های کلاسیک پنل دیتا: اثرات ثابت (Fixed Effects)
• 7. مدل‌های کلاسیک پنل دیتا: اثرات تصادفی (Random Effects)
• 8. مدل خودهمبسته فضایی (SAR) در داده‌های مقطعی
• 9. مدل خطای فضایی (SEM) در داده‌های مقطعی
• 10. معرفی مدل‌های پنل فضایی: رویکرد Elhorst
• 11. مدل پنل فضایی با اثرات ثابت
• 12. مدل پنل فضایی با اثرات تصادفی
• 13. محدودیت‌های مدل‌های کلاسیک پنل فضایی
• 14. مقدمه‌ای بر استنتاج بیزی: قضیه بیز و مفاهیم پایه
• 15. توزیع‌های پیشین (Prior)، پسین (Posterior) و درستنمایی (Likelihood)
• 16. آشنایی با الگوریتم‌های MCMC: نمونه‌گیری گیبز
• 17. معیارهای تشخیص همگرایی در زنجیره‌های مارکوف
• 18. نرم‌افزارهای مورد استفاده در اقتصادسنجی فضایی بیزی
• 19. آماده‌سازی داده‌ها برای تحلیل پنل فضایی
• 20. مروری بر مقاله الهام‌بخش دوره و سوالات اصلی تحقیق
• 21. مفهوم وابستگی مقطعی (Cross-Sectional Dependence)
• 22. منابع وابستگی مقطعی: اثرات فضایی در مقابل شوک‌های مشترک
• 23. آزمون‌های وابستگی مقطعی: آزمون LM پساران
• 24. آزمون‌های وابستگی مقطعی: آزمون CD فریدمن
• 25. عوامل مشترک (Common Factors) چیستند؟
• 26. چرا عوامل پنهان باعث تورش در تخمین‌ها می‌شوند؟
• 27. مدل‌های اثرات تعاملی ثابت (Interactive Fixed Effects)
• 28. رویکرد میانگین مقطعی مشترک (Common Correlated Effects - CCE)
• 29. مقایسه رویکرد فضایی و رویکرد عاملی
• 30. چالش تفکیک سرریزهای فضایی از اثرات عوامل مشترک
• 31. پیامدهای نادیده گرفتن عوامل پنهان در مدل‌های فضایی
• 32. پیامدهای نادیده گرفتن وابستگی فضایی در مدل‌های عاملی
• 33. مدل‌سازی وابستگی فضایی نامحدود (Unrestricted Spatial Interdependence)
• 34. ساختار عاملی خطاها: یک رویکرد جایگزین
• 35. ضرورت یکپارچه‌سازی مدل‌های فضایی و عاملی
• 36. معرفی مدل خودهمبسته فضایی پنل با عوامل پنهان (PSAR-LF)
• 37. ساختار کلی مدل: متغیر وابسته، متغیرهای مستقل و وقفه‌های فضایی
• 38. بخش فضایی مدل: پارامتر خودهمبستگی فضایی (ρ)
• 39. بخش عاملی مدل: عوامل پنهان (F_t) و بارهای عاملی (λ_i)
• 40. تفسیر اقتصادی عوامل پنهان و بارهای عاملی
• 41. فروض اصلی مدل PSAR-LF
• 42. مسئله شناسایی (Identification) در مدل‌های عاملی
• 43. قیود لازم برای شناسایی عوامل و بارهای عاملی
• 44. تفاوت مدل با ساختار فضایی نامحدود و محدود
• 45. نقش ابعاد N و T در شناسایی و تخمین مدل
• 46. مقایسه مدل PSAR-LF با مدل پنل فضایی استاندارد
• 47. مقایسه مدل PSAR-LF با مدل CCE پساران
• 48. مدل‌سازی ناهمگنی پارامترها در چارچوب مدل
• 49. ساختار خطای مدل: جزء ایدیوکراتیک و جزء فضایی
• 50. مزایای کلیدی مدل ترکیبی فضایی-عاملی
• 51. فرم ماتریسی مدل برای استنتاج بیزی
• 52. متغیرهای پیشین و پسین در مدل PSAR-LF
• 53. تابع درستنمایی مدل
• 54. چالش‌های تخمین مدل با روش‌های کلاسیک (مانند حداکثر درستنمایی)
• 55. چرا رویکرد بیزی برای این مدل مناسب‌تر است؟
• 56. طراحی الگوریتم نمونه‌گیری گیبز برای مدل PSAR-LF
• 57. انتخاب توزیع‌های پیشین برای پارامترها (Priors)
• 58. توزیع پیشین برای ضرایب رگرسیونی (β)
• 59. توزیع پیشین برای پارامتر فضایی (ρ)
• 60. توزیع پیشین برای واریانس خطا (σ²)
• 61. توزیع پیشین برای عوامل پنهان (F_t)
• 62. توزیع پیشین برای بارهای عاملی (Λ)
• 63. استخراج توزیع شرطی پسین برای ضرایب (β | ...)
• 64. استخراج توزیع شرطی پسین برای عوامل پنهان (F_t | ...)
• 65. استخراج توزیع شرطی پسین برای بارهای عاملی (Λ | ...)
• 66. استخراج توزیع شرطی پسین برای واریانس خطا (σ² | ...)
• 67. نمونه‌گیری از پارامتر فضایی (ρ): چالش‌ها و روش‌ها
• 68. استفاده از الگوریتم متروپلیس-هیستینگز برای نمونه‌گیری ρ
• 69. گام‌های کامل نمونه‌گیر گیبز: از شروع تا همگرایی
• 70. تنظیمات الگوریتم MCMC: طول زنجیره و دوره برون‌ریزی (Burn-in)
• 71. بررسی همگرایی زنجیره‌ها: تحلیل نمودارهای Trace
• 72. معیارهای تشخیصی همگرایی: آماره Gelman-Rubin
• 73. چالش‌های محاسباتی در N و T بزرگ
• 74. تکنیک‌های بهینه‌سازی محاسباتی
• 75. خلاصه فرآیند تخمین بیزی مدل
• 76. استخراج و تفسیر توزیع‌های پسین پارامترها
• 77. محاسبه میانگین، میانه و فواصل اطمینان پسین
• 78. مفهوم اثرات مستقیم، غیرمستقیم (سرریز) و کل
• 79. محاسبه اثرات مستقیم و غیرمستقیم در مدل‌های فضایی
• 80. تاثیر عوامل پنهان بر تخمین اثرات سرریز
• 81. مقایسه اثرات سرریز قبل و بعد از لحاظ کردن عوامل پنهان
• 82. تفسیر بارهای عاملی تخمین‌زده شده
• 83. تفسیر سری زمانی عوامل پنهان تخمین‌زده شده
• 84. معیارهای ارزیابی مدل بیزی: DIC و BIC
• 85. مقایسه مدل‌ها با استفاده از فاکتور بیز (Bayes Factor)
• 86. تحلیل حساسیت نتایج به انتخاب توزیع‌های پیشین
• 87. بررسی نیکویی برازش مدل (Goodness-of-Fit)
• 88. استفاده از بررسی‌های پیش‌گویانه پسین (Posterior Predictive Checks)
• 89. مصورسازی نتایج: نقشه‌های فضایی اثرات و بارهای عاملی
• 90. گزارش‌نویسی استاندارد برای نتایج مدل‌های بیزی فضایی
• 91. پیاده‌سازی مدل در نرم‌افزار R: معرفی بسته‌های کاربردی
• 92. پیاده‌سازی مدل در MATLAB: کدنویسی گام به گام
• 93. مطالعه موردی اول: تحلیل همگرایی رشد اقتصادی بین کشورها
• 94. مطالعه موردی دوم: بررسی سرایت قیمت مسکن در مناطق شهری
• 95. تعمیم مدل به مدل دوربین فضایی (SDM) با عوامل پنهان
• 96. افزودن پویایی زمانی: مدل پنل فضایی پویا با عوامل پنهان
• 97. مدیریت داده‌های نامتوازن (Unbalanced Panels) در مدل
• 98. رویکردهای جایگزین: تخمین شبه حداکثر درستنمایی (QML)
• 99. جهت‌گیری‌های تحقیقاتی آینده: ناهمگنی فضایی و غیرخطی بودن
• 100. جمع‌بندی دوره، مرور کلی و راهنمای پروژه نهایی