空间面板数据计量经济分析

2013年7月12日12时21分
天行健，君子以自强不息；地势坤，君子以厚德载物。
7
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：

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。
2013年7月12日12时21分
天行健，君子以自强不息；地势坤，君子以厚德载物。
4
空间面板数据计量经济分析

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。
2013年7月12日12时21分
天行健，君子以自强不息；地势坤，君子以厚德载物。
2
空间面板数据计量经济分析


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。
y it α it Wy it xit βit μit

上式为空间滞后面板数据（Spatial Lag Panel Data Wy Model，SLPDM）计量经济模型。其中， it 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。
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：
2013年7月12日12时21分
天行健，君子以自强不息；地势坤，君子以厚德载物。
6
空间滞后面板数据计量分析
空间面板数据计量经济 分析



空间面板数据计量经济分析 空间滞后面板数据计量分析 空间误差面板数据计量分析
2013年7月12日12时21分
天行健，君子以自强不息；地势坤，君子以厚德载物。
1
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。
[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。

2013年7月12日12时21分
天行健，君子以自强不息；地势坤，君子以厚德载物。
5
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：
yit αit xit βit μit

3
2013年7月12日12时21分
天行健，君子以自强不息；地势坤，君子以厚德载物。
空间面板数据计量经济分析

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。
2013年7月12日12时21分
天行健，君子以自强不息；地势坤，君子以厚德载物。
9
案例

区域能源消费的决定因素及空间溢出效应
——基于空间面板计量经济模型的实证分析
ຫໍສະໝຸດ Baidu

2013年7月12日12时21分
天行健，君子以自强不息；地势坤，君子以厚德载物。
10
天行健，君子以自强不息；地势坤，君子以厚德载物。 8
it W it it
yit αit xit βit μit
2013年7月12日12时21分
空间误差面板数据计量分析

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。