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）

)

,0(~2n I N x Wy y σεε

βρ++=

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

help sar

语句查看

==================================================== 注意事项

1)W

W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)info

info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+ε

ε~N（0，σ2I n）

转换为：

y=ρWy+[1 x][β0β]’+ε

ε~N（0，σ2I n）

✓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：

[W1 W2 W3]=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。

====================================================

二、空间误差模型

sem （）

==================================================== 函数功能

估计空间误差模型

)

,0(~2n I N Wu u u

x y σεε

λβ+=+=

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

help sem

语句查看

====================================================