Geographically Weighted Multivariat

Geographically Weighted Multivariate Poisson Regression (GWMPR) is a statistical technique for spatial data that is used to modelling of relationships between two or more respon variables (Poisson distribution) and one or more independent variables. The underlying idea of GWMPR is that estimator of the regression parameters have the local character, that is depends on the location where the data are observed. In this case, location is expressed as a point co-ordinate in two dimensional geographic space (latitude and longitude). In this paper is studied the problem of parameters estimation in GWMPR model by using Maximum Likelihood Estimation ( MLE ) method. This method cannot find an analytical solution, so we apply iterative procedure by the Newton-Raphson algorithm. Finally, an empirical study has also been carried out, in order to demonstrate the performance of the parameter estimation of GWMPR models, where each model will be analyzed for covariance as constant and cavariance as a function of the independent variables.

Hasil (Bahasa Indonesia) 1:

Geografis tertimbang multivarian Poisson regresi (GWMPR) adalah teknik statistik untuk data spasial yang digunakan untuk pemodelan hubungan antara dua atau lebih variabel respon (Poisson distribusi) dan satu atau lebih variabel independen. Ide dasar dari GWMPR adalah pengukur itu regresi parameter mempunyai karakter lokal, yang tergantung pada lokasi dimana data yang diamati. Dalam kasus ini, lokasi dinyatakan sebagai titik koordinasi dalam dimensi dua ruang geografis (lintang dan bujur). Dalam makalah ini adalah mempelajari masalah estimasi parameter dalam GWMPR model dengan menggunakan metode maksimum kemungkinan estimasi (MLE). Metode ini tidak dapat menemukan solusi analitik, sehingga kami menerapkan prosedur berulang-ulang oleh algoritma Newton-Raphson. Akhirnya, sebuah studi empiris juga telah dilakukan, untuk menunjukkan kinerja estimasi parameter model GWMPR, dimana masing-masing model akan dianalisa untuk kovarians sebagai konstan dan cavariance sebagai fungsi variabel independen.

Hasil (Bahasa Indonesia) 2:

Secara geografis Weighted Poisson Regression multivariat (GWMPR) adalah teknik statistik untuk data spasial yang digunakan untuk pemodelan hubungan antara dua atau lebih variabel respon (distribusi Poisson) dan satu atau lebih variabel independen. Ide yang mendasari GWMPR adalah bahwa estimator parameter regresi memiliki karakter lokal, yang tergantung pada lokasi di mana data yang diamati. Dalam hal ini, lokasi dinyatakan sebagai titik koordinat dalam ruang geografis dimensi dua (lintang dan bujur). Dalam tulisan ini dipelajari masalah estimasi parameter dalam model GWMPR dengan menggunakan metode Maximum Likelihood Estimation (MLE). Metode ini tidak dapat menemukan solusi analitis, jadi kami menerapkan prosedur iterasi dengan algoritma Newton-Raphson. Akhirnya, studi empiris juga telah dilakukan, untuk menunjukkan kinerja estimasi parameter model GWMPR, di mana masing-masing model akan dianalisis untuk kovarians sebagai konstan dan cavariance sebagai fungsi dari variabel independen.