代码主要是基于蒙特卡洛和copula函数生成考虑风光空间相关性的出力，并用kmeans进行场景缩减，得到典型日风光出力及其概率，并且可以改变场景生成数量及缩减场景的数量

本文提出了一种在MIMO信道发射端和接收端的任意方向上测量空间相关性的方法。通过测量到达角度、离开角度和多径通道的相关功率谱来计算MIMO信道发射端和接收端的角度能量谱和空间相关度。由相关阵列对MIMO信道容量进行估值，估值结果与直接测量值一致。

传统的双重差分（DID）作为政策效应评估方法中的一大利器，受到越来越多人的青睐， 但是，在传统的DID中，一个经典的假设是个体处理效应稳定性假设（Stable Unit Treatment Value Assumption，SUTVA）。SUTVA最重要的一点是“处理组个体不会影响控制组个体”。换言之，在SUTVA框架下，总体中的任何个体并不会受到其他个体接受处理与否的影响。这个要求有点太高了，随着地区间的交流越来越密切，政策的实施效果难免会有扩散效应，因此，这个假设在考虑到空间相关性时被打破了，当不同空间单元之间存在相关性即存在空间溢出效应时，SUTVA不再成立（Kolak&Anselin，2019）。并且事实上，SUTVA在大多数情况下可能都不成立，而现有的DID类实证文章很少会考虑到这一点，并且Ferman（2020）指出忽略空间相关性将导致标准误被低估，从而夸大系数的显著性。于是空间双重差分SDID应运而生！

空间计量stata代码命令及解释、面板空间计量全部过程、空间相关性检验空间杜宾模型、空间滞后模型、空间误差模型、LM检验、固定效应和随机效应选择、wald检验、LR检验、结果解释、绘制地区，包含pdf文件整个流程的说明，stata命令do文档，示例数据，地图数据等，把自己的数据代入就可以了，小白也能学会哦，本资料提供耐心的售后服务哦！ 拍下还送地级市城市空间权重矩阵，包括01矩阵 经济距离矩阵，和经济地理，反经济距离矩阵，包括284个地级市！需要的来哦、

matlab开发-高分辨率气候数据的空间相关性。高分辨率气候数据相关性的空间模式特征

生成具有空间相关性的图像。整幅图像被看作是一个离散的随机场，每个像素都是一个随机变量。对于空间相关性模拟和研究非常有用。

研究多入多出（Multiple Input Multiple Output，MIMO）系统空间相关性模型和空间相关性对MIMO系统误码性能和信道容量的影响。

目前多数PM2.5浓度预测模型仅利用单个站点的时间序列数据进行浓度预测, 并没有考虑到空气质量监测站之间的区域关联性, 这会导致预测存在一定的片面性. 本文利用KNN算法选择目标站点所在区域中与其相关的空间因素, 并结合LSTM模型, 提出基于时空特征的KNN-LSTM的PM2.5浓度预测模型. 以哈尔滨市10个空气质量监测站的污染物数据进行仿真实验, 并将KNN-LSTM模型与其他预测模型进行对比, 结果显示: 模型相较于BP神经网络模型平均绝对误差(MAE)、均方根误差(RMSE)分别降低了19.25%、13.23%; 相较于LSTM模型MAE、RMSE分别降低了4.29%、6.99%. 表明本文所提KNN-LSTM模型能有效提高LSTM模型的预测精度.

论文研究-面板数据空间误差分量模型的空间相关性检验.pdf,  将截面误差分量模型(spatial error components, SEC)扩展至面板数据, 推导其联合检验、边际检验及条件检验, 并通过Monte Carlo模拟实验证明: 当随机效应存在时, 条件检验更为有效; 当随机效应不存在时, 边际检验更为有效; 空间权重矩阵的选取与随机效应是否存在相关, 但未标准化的空间权重矩阵更适合检验空间相关性; 此外, 更大的N或T使得检验更为有效. 研究同时发现, 当真实数据生成过程为面板数据SEC模型时, 传统空间经济计量模型中的Moran I、LM-Error及LM-Lag检验均失效.

#资源达人分享计划#