第七讲空间计量经济学模型的matlab估计

空间计量经济学基本模型的matlab估计1一、空间滞后模型sar（）====================================================函数功能估计空间滞后模型（空间自回归-回归模型）),0(~2nINxWyy中的未知参数ρ、β和σ2。====================================================使用方法res=sar(y，x，W，info）***********************************************************res：存储结果的变量；y：被解释变量；x：解释变量；w：空间权重矩阵；info：结构化参数，具体可使用helpsar语句查看2====================================================注意事项1)WW为权重矩阵，因为是稀疏矩阵，原始数据通常以n×3的数组形式存储，需要用sparse函数转换为矩阵形式。***********************************************************2)ydev（不再需要）sar函数求解的标准模型可以包含常数项，被解释变量（因变量）y，不再需要转换为离差形式（ydev）。***********************************************************3)x需要注意x的生成方式，应将常数项包括在内。***********************************************************4)infoinfo为结构化参数，事前赋值；通常调整info.lflag（标准n?1000）、info.rmin和info.rmax。***********************************************************5)vnames在输出结果中说明被解释变量。使用方法：vnames=strvcat(‘variablename1’,’variablename2’……);***********************************************************36)Asymptotict-stat（渐进t统计量）rho的检验：渐进t分布，估计值的显著性使用相应的Z概率表示。====================================================应用实例估计地区投票率受周边地区投票率的影响程度案例素材1997年，Pace等人研究了美国3107个县的选举投票率影响因素，运用的是美国1980年大选的公开投票数据，形成了一个包含3107个样本数据的截面数据集elect.dat。可以通过matlab软件打开elect.dat查看，并打开elect.txt查看各列数据的含义。计量模型认为各县的投票率受到相邻地区投票率的影响，同时，还受到选民教育水平、选民住房情况、选民收入水平的影响，据此得到如下计量模型：y=β0+ρWy+xβ+εε~N（0，σ2In）转换为：y=ρWy+[1x][β0β]’+εε~N（0，σ2In）4程序语句1）近似估计缺省设置：info.lflag=1注意取对数值，得到y，x。2）精确估计info.lflag=0运行结果====================================================xy2cont（）函数功能：使用地区x坐标和y坐标，生成空间邻接矩阵。使用方法：[W1W2W3]=xy2cont(x,y)其中，W2是行标准化后的空间邻接矩阵。一个例子：使用anselin数据，生成w，并与wmat比较其差异。====================================================5二、空间误差模型sem（）====================================================函数功能估计空间误差模型),0(~2nINWuuuxy中的未知参数β、λ和σ2。====================================================使用方法res=sem(y，x，W，info）***********************************************************res：存储结果的变量；y：被解释变量；x：解释变量；w：空间权重矩阵；info：结构化参数，具体可使用helpsem语句查看====================================================6注意事项1)xx应将常数项包括在内。***********************************************************2)infoinfo为结构化参数，事前赋值；通常调整info.lflag（标准n?1000）、info.rmin和info.rmax。***********************************************************3)vnames在输出结果中说明被解释变量。使用方法：vnames=strvcat(‘variablename1’,’variablename2’……);***********************************************************====================================================应用实例估计地区投票率受周边地区投票率的影响程度案例素材1997年，Pace等人研究了美国3107个县的选举投票率影响因素，运用的是美国1980年大选的公开投票数据，形成了一个包含3107个样本数据的截面数据集elect.dat。可以通过matlab软件打开elect.dat查看，并打开elect.txt查看各列数据的含义。7计量模型认为各县的投票率受到相邻地区投票率的影响，同时，还受到选民教育水平、选民住房情况、选民收入水平的影响，据此得到如下计量模型：y=β0+xβ+uu=λWu+εε~N（0，σ2In）转换为：y=[1x][β0β]’+uu=λWu+εε~N（0，σ2In）程序语句1）近似估计缺省设置：info.lflag=1注意取对数值，得到y，x。2）精确估计info.lflag=0运行结果====================================================误差项空间依赖性的检验***********************************************************1)MoranI统计量检验8使用方法：res=moran（y,x,W）;prt(res);***********************************************************2)似然比检验（lratios）使用方法：res=lratios（y,x,W）;prt(res);***********************************************************3)拉格朗日乘子（LM）检验使用方法：res=lmerror（y,x,W）;prt(res);***********************************************************4)沃德（Walds）检验使用方法：res=walds（y,x,W）;prt(res);***********************************************************5)基于sar残差的检验使用方法：res=lmsar（y,x,W1,W2）;9prt(res);====================================================10三、空间杜宾模型sdm（）====================================================函数功能估计空间杜宾模型),0(~W221nINWXXyy中的未知参数ρ、β1、β2和σ2。====================================================使用方法res=sdm(y，X，W，info）***********************************************************info：结构化参数，具体可使用helpsdm语句查看====================================================注意事项1)X模型中，第一个X包括常数项，第二个未包括常数项。但程序中的X应将常数项包括在内，程序会自动处理。***********************************************************112)infoinfo为结构化参数，事前赋值；通常调整info.lflag（标准n?1000）、info.rmin和info.rmax。***********************************************************====================================================应用实例1)估计地区犯罪率受周边地区犯罪率的影响程度案例素材Anselin在1980年研究了美国俄亥俄州（Ohio）哥伦布市（Columbus）49个县的犯罪率影响因素，形成了一个包含49个样本数据的截面数据集anselin.dat。可以通过matlab软件打开anselin.dat查看，并打开anselin.txt查看各列数据的含义。计量模型y=β0+ρWy+xβ1+Wxβ2+εε~N（0，σ2In）程序语句1）近似估计缺省设置info.lflag=1；或者info.lflag=2。2）精确估计更改设置：info.lflag=0运行结果122)估计地区投票率受周边地区投票率的影响程度案例素材1997年，Pace等人研究了美国3107个县的选举投票率影响因素，运用的是美国1980年大选的公开投票数据，形成了一个包含3107个样本数据的截面数据集elect.dat。可以通过matlab软件打开elect.dat查看，并打开elect.txt查看各列数据的含义。计量模型程序语句1）近似估计缺省设置：info.lflag=1；或者info.lflag=2.注意y的取值问题：用点除（./）2）精确估计由于n1000，只能使用近似估计。运行结果====================================================13四、广义空间模型sac（）====================================================函数功能估计广义空间模型y=ρW1y+xβ+uu=λW2u+εε~N（0，σ2In）中的未知参数ρ、β、λ和σ2。====================================================使用方法res=sac(y，X，W1，W2，info）====================================================高阶邻接矩阵的生成slag（）Wp=slag（W，p）注意：不包括低阶邻接。===========================================