利用geoda计算空间误差模型和空间滞后模型

利用geoda计算空间误差模型和空间滞后模型

步骤1计算空间权重矩阵

步骤2比较LMerror、robusterror LMlag robustlag的值，决定模型的类型。

步骤3利用模型得出结果。

1打开geoda

2打开shp文件file-new project from –shp注意英文路径

3打开结果如图所示

4计算权重文件tools-weights-creat

ID变量选择一个唯一值，一般选择ID。

1.rook：表示共边为邻接；

【与arcgis中的Polygoncontiguity(edges only)对应】2.queen：表示共边或共点为邻接；

【与arcgis中的Polygon contiguity(edgesand corners)对应】

基于距离（Distance）关系的空间权重

1.threshold：表示既定距离下的相关，一般软件有默认一个最小值，但可视实际情况调整（一般应大于最小值）；

【arcgis中的inverse distance/fixed distance 都要设置threshold距离】2.K-nearest：表示指定某个多边形周围的多边形个数（K=3,4,5,6...）。【与arcgis中的K-nearest neighbors对应】

这里选择rook

创建完毕

5计算三种模型及诊断结果

Methods-regression -

选择因变量和自变量，勾选weights file，选择刚刚创建的权重文件。Methods选择classic，勾选

点击run。

注意看报告。PROB值越小表示通过R检验，表示精度较好。Value

表示其值的大小。首先比较LMlag和LMerror的大小，二者都比较显著，均可进行分析；若二者都不显著，则比较ROBUSTlag和robusterror，选择较大值的模型。

6选择恰当的模型进行分析

Methods-regression-,选取自变量和因变量，选择空间权重矩阵，选择模型spatial error or spatial lag，点击run即可。

MATLAB空间面板数据模型操作介绍

MATLAB空间面板数据模型操作简介 MATLAB安装：在民主湖资源站上下载MA TLAB 2009a，或者2010a，按照其中的安装说明安装MATLAB。（MATLAB较大，占用内存较大，安装的话可能也要花费一定的时间） 一、数据布局： 首先我们说一下MA TLAB处理空间面板数据时，数据文件是怎么布局的，熟悉eviews的同学可能知道，eviews中面板数据布局是：一个省份所有年份的数据作为一个单元（纵截面：一个时间序列），然后再排放另一个省份所有年份的数据，依次将所有省份的数据排放完，如下图，红框中“1-94”“1-95”“1-96”“1-97”中，1是省份的代号，94,95,96,97表示年份，eviews是将每个省份的数据放在一起，再将所有省份堆放在一起。 与eviews不同，MATLAB处理空间面板数据时，面板数据的布局是（在excel中说明）：先排放一个横截面上的数据（即某年所有省份的数据），再将不同年份的横截面按时间顺序堆放在一起。如图：

这里需要说明的是，MA TLAB中省份的序号需要与空间权重矩阵中省份一一对应，我们一般就采用《中国统计年鉴》分地区数据中省份的排列顺序。（二阶空间权重矩阵我会在附件中给出）。 二、数据的输入： MATLAB与excel链接：在excel中点击“工具→加载宏→浏览”，找到MA TLAB的安装目录，一般来说，如果安装时没有修改安装路径，此安装目录为：C:\Programfiles\MATLAB\R2009a\toolbox\exlink，点击excllink.xla即可完成excel与MATLAB的链接。这样的话excel中的数据就可以直接导入MATLAB中形成MATLAB的数据文件。操作完成后excel 的加载宏界面如图： 选中“Spreadsheet Link EX3.0.3 for use with MATLAB”即表示我们希望excel 与MATLAB实现链

利用geoda计算空间误差模型和空间滞后模型

利用geoda计算空间误差模型和空间滞后模型 步骤1计算空间权重矩阵 步骤2比较LMerror、robusterror LMlag robustlag的值，决定模型的类型。 步骤3利用模型得出结果。 1打开geoda 2打开shp文件file-new project from –shp注意英文路径

3打开结果如图所示 4计算权重文件tools-weights-creat ID变量选择一个唯一值，一般选择ID。 1.rook：表示共边为邻接； 【与arcgis中的Polygoncontiguity(edges only)对应】2.queen：表示共边或共点为邻接；

【与arcgis中的Polygon contiguity(edgesand corners)对应】 基于距离（Distance）关系的空间权重 1.threshold：表示既定距离下的相关，一般软件有默认一个最小值，但可视实际情况调整（一般应大于最小值）； 【arcgis中的inverse distance/fixed distance 都要设置threshold距离】2.K-nearest：表示指定某个多边形周围的多边形个数（K=3,4,5,6...）。【与arcgis中的K-nearest neighbors对应】 这里选择rook 创建完毕 5计算三种模型及诊断结果 Methods-regression -

选择因变量和自变量，勾选weights file，选择刚刚创建的权重文件。Methods选择classic，勾选 点击run。

注意看报告。PROB值越小表示通过R检验，表示精度较好。Value 表示其值的大小。首先比较LMlag和LMerror的大小，二者都比较显著，均可进行分析；若二者都不显著，则比较ROBUSTlag和robusterror，选择较大值的模型。 6选择恰当的模型进行分析 Methods-regression-,选取自变量和因变量，选择空间权重矩阵，选择模型spatial error or spatial lag，点击run即可。

空间面板数据计量经济分析

空间面板数据计量经济分析 空间面板数据计量经济分析 *以上分别介绍了区域创新过程中空间效应（依赖性和异质性）的空间计量检测，以及纳入空间效应的计量模型的估计方法——空间常系数回归模型（空间滞后模型，SLM 和空间误差模型，SEM ）和空间变系数回归模型（地理加权回归模型，GWR ）；同时还介绍和分析了面板数据（Panel Data ）计量经济学方法的估计和检验。 *可以看出，目前的空间计量经济学模型使用的数据集主要是截面数据，只考虑了空间单元之间的相关性，而忽略具有时空演变特征的时间尺度之间的相关性，这显然是一个美中不足。 *Anselin （1988）也认识到这一点。当然，大多学者通过将多个时期截面数据变量计算多年平均值的办法来综合消除时间波动的影响和干扰，但是这种做法仍然造成大量具有时间演变特征的创新行为信息的损失，从而无法科学和客观地认识和揭示具有时空二维特征的研发与创新过程的真实机制。*面板数据（Panel Data ）计量经济模型作为目前一种前沿的计量经济估计技术，由于其可以综合创新行为变量时间尺度的信息和截面（地域空间）单元的信息，同时集成考虑了时间相关性和空间（截面）相关性，因而能够科学而客观地反映受到时空交互相关性作用的创新行为的特征和规律，是定量揭示研发、知识溢出与区域创新相互作用关系的有效方法。但是，限于在所有时刻对所有个体（空间）均相等的假定（即不考虑空间效应），面板数据计量经济学理论也有其美中不足之处，具有很大的改进余地。 *鉴于空间计量经济学理论方法和面板数据计量经济学理论方法各有所长，把面板数据模型的优点和空间计量经济学模型的特点有机结合起来，构建一个综合考虑了变量时空二维特征和信息的空间面板数据计量经济模型，则是一种新颖的研究思路。以下根据空间计量经济模型和标准的面板数据模型[1]的建模思路，提出空间面板数据（Spatial Panel Data Model ，SPDM ）模型的建模思路和过程。 [1]与动态面板数据模型的建模思路类似，只要施加一些假定，引入因变量的滞后项，则为空间动态面板数据模型。 空间滞后面板数据计量分析 *考虑一个标准的面板数据模型： it it it it it y αx βμ=++*如果将变量的真实的区域空间自相关性（依赖性）（Anselin &Florax ，1995）考虑到创新行为中来，这种创新行为的空间自相关性可以视为区域创新过程中的一种外部溢出形式，这样则可以设定如下模型： it it it it it it y αWy x βμρ=+++*上式为空间滞后面板数据（Spatial Lag Panel Data Model ，SLPDM ）计量经济模型。其中，是创新的空间滞后变量，主要度量在地理空间上邻近地区的外部知识溢出，是一个区域在地理上邻近的区域在时期创新行为变量的加权求和。 空间误差面板数据计量分析 *如果在创新行为的空间依赖性存在误差扰动项中来测度邻近地区创新因变量的误差冲击对本地区创新行为的影响程度，则可以通过空间误差模型的空间依赖性原理可得： it it it it it y αx βμ=++it it it W μλμε=+*上式即为空间误差面板数据（Spatial Error Panel Data Model ，SEPDM ）计量经济模型。其中，参数衡量了样本观察值的误差项引进的一个区域间溢出成分。 *因为已经在面板数据模型中考虑了创新行为变量的空间依赖性，因此采用一般面板数据模型的估计技术如OLS 或GLS 等将具有良好的估计效果。如果能够综合考虑面板数据模型中的一些假定，如时间加权（Period Weights ）或截面加权（Cross-section Weights ），则可获得更加符合创新现实的估计结果。

基于面板数据和空间计量模型的研究

第二组数量经济与理论方法（二）（数理经济学等），全文11932字。 我国教育投资与经济增长的关系研究 ——基于面板数据和空间计量模型的研究 朱璐璐肖腊珍① （中南财经政法大学统计与数学学院） 【摘要】教育投资是人力资本形成的重要途径。在对教育投资等内涵的理解基础上，从教育投资规模、教育投资质量和教育投资公平度三个方面选取反映教育投资状况的指标，运用教育基尼系数量化了我国1997-2007年30个省份的教育投资公平程度。运用单位根检验、协整检验、格兰杰因果检验研究我国教育资和经济增长之间的互动因果关系，建立合适的Panel Data和空间计量模型进行实证研究。研究结果表明教育投资规模对经济增长的促进作用非常明显，但是当基础教育提高到一定水平后，对经济增长的促进作用开始逐步递减；各区域的高等学历人才并不多，对经济增长的贡献率非常低；目前东、中部地区的教育投资的公平状况明显好于西部地区，公平的教育资源分配可以较好促进经济的发展。并提出要继续加大各地区教育投入，同时注重高等人才的培养，继续解决好教育投资公平问题。 关键词：教育投资规模教育投资质量教育投资公平教育基尼系数 引言 中国是世界上最大的发展中国家，经济增长是实现人民生活达到小康水平以及赶上中等发达国家经济发展水平目标的主要途径，因而经济增长理所当然地成为了中国经济理论研究的重点。中国幅员辽阔、自然资源丰富，人口众多，劳动力资源充足，但是人口质量不高，人力资本存量不多，人力资本结构与经济发展的需求严重失衡。人力资本低质量，低存量造成的人力资本缺乏使其外在效应的产出受到严重限制，人力资本收益递增的规律难以发挥。 自改革开放以来，我国各区域发展差距不断扩大，东部地区发展形势较好，西部地区经济发展较差。除了政策以及地域、气候因素外，劳动者的素质有着非常大的影响作用。地区差异的拉大使得高素质的劳动力继续往东部流动，尤其集中在北京、上海、江苏、浙江和广东等地，促使这些地区的经济发展更快，而东西部的差异继续增大。因此本文希望通过实证分析找出我国各省、市教育投资与经济发展程度的关系，也分析经济增长对教育投资在各不同区域所带来的反作用，同时寻找我国目前教育投资状况不足的原因，给出相关建议。 一、文献综述 最早正视教育投资问题的英国古典经济学创始人威廉·配第（William Petty,1676）指出劳动创造价值、复杂劳动比简单劳动创造更多的价值。1776年，英国古典政治经济学奠基人亚当·斯密（Adam Smith,1776）最早明确提出并重视教育投资问题，他认为资本的累积、就业人口的增加及技术进步构成经济理论发展基础的三要素。进入19世纪，德国历史学派的 ①作者简介：朱璐璐，1985.4出生,女，中南财经政法大学统计与数学学院，统计学研究生； 肖腊珍，1964.1出生，女，中南财经政法大学统计与数学学院，硕士，副教授。中国数量经 济学会会员。

空间面板模型-空间分析

空间面板模型 1.1 空间面板模型 我们生活在时间和空间中，每个事件都在一定的时间和地点发生，因而可以标度出时间和空间坐标，这样的数据可以称为空间面板数据，它是指一定空间单元的时间序列观测。在研究实际问题时，空间面板数据本身具有更大自由度、更丰富的信息量、更多的变异。空间面板模型（Spatial Panel Model ）是针对空间面板数据分析而提出的模型。相对于一般的回归模型及空间回归模型，它能够提参数高估计的有效性。空间模型在寻求科学解释方面有着重要的作用。通过空间面板模型，可以更好地结合研究对象的时空分布特征，发现其影响因素及规律。 空间面板模型可分为两类：空间滞后模型和空间误差模型。 （1）空间滞后模型(Spatial Lag Model) 空间滞后模型的基础形式为 1N 'it ij jt it i it j y W y X δβμε==+++∑（6.2） 其中， δ：空间自相关系数，表示空间个体之间的相互作用 W ：空间权重矩阵，含义与第七章所述的空间权重矩阵相同 123i ,,,N =…，：横截面上的个体（某一区域、范围等），共有N 个 123t ,,,T =…，：表示时间序列上的时点（某一时刻），共有T 个 it y ：在区域i 、时刻t 上的被解释变量 it X ：在区域i 、时刻t 上的解释变量 i μ：空间的个体的效应，反映不受时间影响的空间特质。 β：回归系数 it ε：与时间和空间都有关系的随机误差项，其均值为0，方差为2σ，独立 同分布。

空间滞后模型主要在传统面板模型的基础上考虑了空间上的自相关，可以度量不同空间个体的相互影响。 （2） 空间误差模型（Spatial Error Model ） 空间误差模型基本形式为 'it it i it y X βμ?=++ 1 N it ij jt it j W ?ρ?ε==+∑ 其中： ρ：空间自相关系数，反映回归残差之间空间相关性的程度。 it ?：自相关的空间误差 W ：空间权重矩阵，含义与第七章所述的空间权重矩阵相同 123i ,,,N =…，：横截面上的个体（某一区域、范围等），共有N 个 123t ,,,T =…，：表示时间序列上的时点（某一时刻），共有T 个 it y ：在区域i 、时刻t 上的被解释变量 it X ：在区域i 、时刻t 上的解释变量 i μ：空间的个体的效应，反映不受时间影响的空间特质。 β：回归系数 it ε：与时间和空间都有关系的随机误差项，其均值为0，方差为2σ，独立 同分布。 空间相关性除了由其他空间的影响造成，也可能是通过被忽略了的变量起作用。在传统的模型中，认为这种相关性为噪声，实际上它度量了其他空间单元的因变量的误差对本空间单元观测值的影响程度。空间误差模型可以用于衡量这种由于其他空间的误差影响而产生的自相关性。 案例【8-2】 采用空间面板模型分析2011年京津唐地区疾病数据，寻找疾病发病率的主要影响因素。