目錄
一、引言
二、空間計量模型理論原理
空間自回歸模型(SAR):
空間誤差模型(SEM):,
空間杜賓模型(SDM):
三、實證模型構建
四、數據準備
五、Stata 操作步驟
六、結果解讀
一、引言
空間計量經濟學在研究具有空間相關性的數據時具有重要作用。本文將構建一個關于地區經濟增長與相關因素的實證模型,并詳細介紹在 Stata 中的操作流程。
二、空間計量模型理論原理
空間計量模型主要包括空間自回歸模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)等。
-
空間自回歸模型(SAR):
-
空間誤差模型(SEM):,
-
空間杜賓模型(SDM):
三、實證模型構建
假設我們要研究地區經濟增長(gdp_growth
)與固定資產投資(investment
)、勞動力數量(labor
)和科技創新水平(tech_innovation
)之間的關系,并考慮空間效應。
- 因變量:地區 GDP 增長(
gdp_growth
) - 自變量:固定資產投資(
investment
)、勞動力數量(labor
)、科技創新水平(tech_innovation
)
四、數據準備
我們假設有一個包含多個地區觀測值的數據集,其中包括上述變量,以及地區之間的空間鄰接矩陣(W_matrix
)。
五、Stata 操作步驟
- 安裝所需的命令
ssc install spatreg
- 導入數據
use "your_data_file.dta"
- 定義空間權重矩陣
spatwmat using "W_matrix.dta", name(W) standardize
-
空間自回歸模型(SAR)估計
- 執行以下代碼進行 SAR 模型的估計:
spatreg gdp_growth investment labor tech_innovation, wmat(W) model(sar)
- 代碼解釋:
gdp_growth
?是因變量,investment
、labor
?和?tech_innovation
?是自變量。wmat(W)
?用于指定使用之前定義的空間權重矩陣?W
?。model(sar)
?明確指定使用空間自回歸模型。
- 運行結果:
- 輸出結果將包括模型的估計參數、標準誤、t 值、p 值等。
- 還會提供一些模型整體的擬合優度指標,如 R-squared 等。
-
空間誤差模型(SEM)估計
- 以下是 SEM 模型估計的代碼:
spatreg gdp_growth investment labor tech_innovation, wmat(W) model(sem)
- 代碼解釋與 SAR 模型類似,只是模型類型指定為?
sem
?。 - 運行結果:
- 同樣會輸出參數估計值、標準誤等統計量。
- 以及用于評估模型擬合效果的相關指標。
-
空間杜賓模型(SDM)估計
- 執行以下代碼進行 SDM 模型的估計:
spatreg gdp_growth investment labor tech_innovation, wmat(W) model(sdm)
- 代碼解釋:與前兩個模型的區別在于模型類型指定為?
sdm
?。 - 運行結果:
- 提供 SDM 模型的參數估計結果和模型評估指標。
-
模型比較與選擇
- 可以通過比較不同模型的擬合優度指標(如 Log likelihood、AIC、BIC 等)來選擇最適合的模型。
-
穩健性檢驗
- 改變空間權重矩陣的定義方式:
// 假設新的空間權重矩陣為 W2spatwmat using "W2_matrix.dta", name(W2) standardizespatreg gdp_growth investment labor tech_innovation, wmat(W2) model(sar)
- 納入更多控制變量:
spatreg gdp_growth investment labor tech_innovation control_variable1 control_variable2, wmat(W) model(sar)
六、結果解讀
對于估計結果,主要關注以下幾個方面:
-
系數的顯著性和符號,判斷自變量對因變量的影響方向和程度。
-
空間自回歸系數()或空間誤差系數()的顯著性,以確定空間效應的存在和強度。
-
比較不同模型的擬合優度等指標,選擇最適合的模型。
-
對于穩健性檢驗的結果,觀察改變條件后模型參數估計值和統計顯著性的變化,以評估模型的穩定性。
2000-2022年地級市數字經濟指數(含控制變量)
?
空間計量經濟學與Stata操作 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/273300951?
Stata:空間計量模型雙權重-spm (lianxh.cn)https://www.lianxh.cn/news/e68b54462758e.html?