Stata面板数据进行空间效应模型分析

1.莫兰检验：

cd"D:\0.1data\02.first\02.stata"  定义一个路径存储W矩阵

通过数据编译器粘贴入数据，并保存为W-1.dta，（保存到上面定义的路径下）

spatwmat using W-1.dta,name(w) //用于全局莫兰指数

通过数据编译器粘贴入CEI数据，并保存为CEI-莫兰.dta文件,

或在数据编辑器中打开该保存好的文件

spatgsa (CI文件里面的变量名),weights(w) moran///全局Moran’s I   同时输出多个列如下

spatgsa y2012 y2013 y2014 y2015 y2016 y2017 y2018 y2019 y2020 y2021,weights(w) moran

2.空间计量模型

SDM:

空间计量模型

SDM:

先打开所在目录需要操作的数据文件（不考虑中介变量）

spatwmat using W-1.dta,name(W) standardize   //打开文件后导入矩阵，标准化以防出现initial values not feasible错误

xtset CODE2 YEAR   （CODE2 YEAR 都是打开dta文件里面的变量名）

xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_E,wmat(W)model(sdm)robust nolog noeffects

SAR

xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_E,wmat(W)model(sar)robust nolog noeffects

SEM

xsmle  ln_CO2 ln_ICT ln_URB ln_PGDP ln_IND ln_POP ln_EI,emat(W)model(sem)robust nolog noeffects

outreg2 using SEM.doc

3.空间计量模型的选择

对于SDM与SAR, 检验空间杜宾模型是否会退化为SAR

xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_E, fe model(sdm) wmat(w) nolog noeffects type(both)

est store sdm

xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_E,fe model(sar) wmat(w) nolog noeffects type(both)

est store sar

lrtest sdm sar  *H0:SDM退化为SAR
如果P小于0.1显著，不可以退化，P值大于0.1，说明可以退化

检验SDM是否退化为SEM

xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_EI,wmat(W) model(sdm) fe

 estat ic

xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_EI,emat(W) model(sem) fe

 estat ic

通过对比SDM和SEM得出的AIC和BIC进行选择。

4.固定效应SDM时间、个体、双固定分析

xsmle ln_CO2 ln_ICT , model(sdm) wmat(W) type(time) nolog effects fe

outreg2 using SDM-time.doc //导出数据导word

est store sdm_time2

xsmle ln_CO2 ln_ICT , model(sdm) wmat(W) type(ind) nolog effects fe

outreg2 using SDM-ind.doc

est store sdm_ind2

xsmle ln_CO2 ln_ICT , model(sdm) wmat(W) type(both) nolog effects fe

outreg2 using SDM-both.doc

est store sdm_both2

进行对比分析

lrtest sdm_both2 sdm_time2,df(9)

lrtest sdm_both2 sdm_ind2,df(9)