目录
一、引言
空间计量经济学在研究具有空间相关性的数据时具有重要作用。本文将构建一个关于地区经济增长与相关因素的实证模型,并详细介绍在 Stata 中的操作流程。
二、空间计量模型理论原理
空间计量模型主要包括空间自回归模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)等。
-
空间自回归模型(SAR):
-
空间误差模型(SEM):,
-
空间杜宾模型(SDM):
三、实证模型构建
假设我们要研究地区经济增长(gdp_growth
)与固定资产投资(investment
)、劳动力数量(labor
)和科技创新水平(tech_innovation
)之间的关系,并考虑空间效应。
- 因变量:地区 GDP 增长(
gdp_growth
) - 自变量:固定资产投资(
investment
)、劳动力数量(labor
)、科技创新水平(tech_innovation
)
四、数据准备
我们假设有一个包含多个地区观测值的数据集,其中包括上述变量,以及地区之间的空间邻接矩阵(W_matrix
)。
五、Stata 操作步骤
- 安装所需的命令
ssc install spatreg
- 导入数据
use "your_data_file.dta"
- 定义空间权重矩阵
spatwmat using "W_matrix.dta", name(W) standardize
-
空间自回归模型(SAR)估计
- 执行以下代码进行 SAR 模型的估计:
spatreg gdp_growth investment labor tech_innovation, wmat(W) model(sar)
- 代码解释:
gdp_growth
是因变量,investment
、labor
和tech_innovation
是自变量。wmat(W)
用于指定使用之前定义的空间权重矩阵W
。model(sar)
明确指定使用空间自回归模型。
- 运行结果:
- 输出结果将包括模型的估计参数、标准误、t 值、p 值等。
- 还会提供一些模型整体的拟合优度指标,如 R-squared 等。
-
空间误差模型(SEM)估计
- 以下是 SEM 模型估计的代码:
spatreg gdp_growth investment labor tech_innovation, wmat(W) model(sem)
- 代码解释与 SAR 模型类似,只是模型类型指定为
sem
。 - 运行结果:
- 同样会输出参数估计值、标准误等统计量。
- 以及用于评估模型拟合效果的相关指标。
-
空间杜宾模型(SDM)估计
- 执行以下代码进行 SDM 模型的估计:
spatreg gdp_growth investment labor tech_innovation, wmat(W) model(sdm)
- 代码解释:与前两个模型的区别在于模型类型指定为
sdm
。 - 运行结果:
- 提供 SDM 模型的参数估计结果和模型评估指标。
-
模型比较与选择
- 可以通过比较不同模型的拟合优度指标(如 Log likelihood、AIC、BIC 等)来选择最适合的模型。
-
稳健性检验
- 改变空间权重矩阵的定义方式:
// 假设新的空间权重矩阵为 W2
spatwmat using "W2_matrix.dta", name(W2) standardize
spatreg gdp_growth investment labor tech_innovation, wmat(W2) model(sar)
- 纳入更多控制变量:
spatreg gdp_growth investment labor tech_innovation control_variable1 control_variable2, wmat(W) model(sar)
六、结果解读
对于估计结果,主要关注以下几个方面:
-
系数的显著性和符号,判断自变量对因变量的影响方向和程度。
-
空间自回归系数()或空间误差系数()的显著性,以确定空间效应的存在和强度。
-
比较不同模型的拟合优度等指标,选择最适合的模型。
-
对于稳健性检验的结果,观察改变条件后模型参数估计值和统计显著性的变化,以评估模型的稳定性。
空间计量经济学与Stata操作 - 知乎 (zhihu.com)https://zhuanlan.zhihu.com/p/273300951
Stata:空间计量模型双权重-spm (lianxh.cn)https://www.lianxh.cn/news/e68b54462758e.html