本文详细介绍了空间误差模型（SEM），包括模型的构建和估计方法，并通过实例展示了如何使用STATA软件进行参数估计。在研究R&D项目数量的影响因素时，SEM模型揭示了空间相关性，而OLS模型则作为对比。SEM模型的构建涉及空间邻接矩阵的引入，通过命令行操作完成。案例中，SEM模型相对于经典回归和空间自回归模型（SAC）提供了更深入的空间效应分析。
3.2.1 模型及估计
空间误差模型(spatial error model，SEM)描述了空间扰动相关和空间总体相关，其形式如式(3.2.1)所示：
3.2.2 实例及操作
本例沿用3.1.2实例并进行更进一步的探讨。关于我国R&D项目数量的影响因素及其空间相关性的模型运行结果中，广义空间自回归模型SAC虽比经典回归模型OLS更胜一筹，但SAC模型中的空间滞后效应系数的系数值较小且不显著，故在模型设定上可继续考虑剔除了空间滞后效应、只保留空间误差相关结构的空间滞后模型SEM。针对R&D项目数量的空间误差模型构造如下：
选取数据同3.1.2实例。利用STATA软件对模型进行参数估计， 首先是利用OLS进行估计，在com
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
7890
