第七讲空间计量经济学模型的matlab估计.docx

1、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）中的未知参数、和2。= 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 help sar 语句查看= 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n3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

2、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(variable name1,variable name2);*6) Asymptotic t-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

3、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=0+Wy+x+N（0，2In）转换为：y=Wy+1 x0 +N（0，2In） 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（）v 函数功能：使用地

4、区x坐标和y坐标，生成空间邻接矩阵。v 使用方法：W1 W2 W3=xy2cont(x,y)其中，W2是行标准化后的空间邻接矩阵。v 一个例子：使用anselin数据，生成w，并与wmat比较其差异。=二、空间误差模型sem（）= 函数功能估计空间误差模型中的未知参数、和2。= 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 help sem 语句查看= 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?10

5、00）、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(variable name1,variable name2);*= 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

6、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=0+x+uu=Wu+N（0，2In）转换为：y=1 x0 +uu=Wu+N（0，2In） 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) Moran I统计量检验v 使用方法：res=moran（y,x,W）;prt(res);*2) 似然比检验（lratios）v 使用方法：res=lratios（y,x,W）;prt(res);*3) 拉格朗日乘子（LM）检验v 使用方法：res=lmerror（y,x,W

7、）;prt(res);*4) 沃德（Walds）检验v 使用方法：res=walds（y,x,W）;prt(res);*5) 基于sar残差的检验v 使用方法：res=lmsar（y,x,W1,W2）;prt(res);=三、空间杜宾模型sdm（）= 函数功能估计空间杜宾模型中的未知参数、1、2和2。= 使用方法res=sdm(y，X，W，info）*info：结构化参数，具体可使用 help sdm 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。*2) infoinfo为结构化参数，事前赋值；通常调整info.lf

8、lag（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=0+Wy+x1+Wx2+N（0，2In） 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.lf

9、lag=0 运行结果2) 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=四、广义空间模型sac（）= 函数功能估计广义空间模型y=W1

10、y+x+uu=W2u+N（0，2In）中的未知参数、和2。= 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。= 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2) 估计地区投票率受周边地区投票率的影响程度=练习作业1) 估计地区犯罪率受周边地区犯罪率以及其他因素的影响程度数据：Anselin（1980）。方法：采用精确估计，分别采用空间滞后、空间误差、空间杜宾和广义空间模型估计。具体任务：分别按照不同的模型，（1）编写运算语句；（2）得到运算结果，并保存在作业里；（3）分析不同方法得到的结果差异。2) 估计地区投票率受周边地区投票率的影响程度数据：pace（1997）方法：采用精确估计，分别采用空间滞后、空间误差、空间杜宾和广义空间模型估计。具体任务：分别按照不同的模型，（1）编写运算语句；（2）得到运算结果，并保存在作业里；（3）分析不同方法得到的结果差异。