第七讲 空间计量经济学模型的matlab估计.
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
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
====================================================