今天写程序有点迷，由于这个已经完善很多遍了，不需要怎样润色，索性直接扔上来充数吧
以下为文件“Assignment4.m”的全部命令：
% 0.导入收集好的数据
%本次作业采用了2007年和2008年北京市各区（不含崇文区和宣武区）的指标数据，其中包括财政收入、固定资产投资、地区生产总值、常住人口数、消费、利用外资，共六项指标（均已在Excel中对数化处理）。
%数据导入后分别记作：矩阵y1为2007年财政收入，矩阵y2为2008年财政收入，矩阵x1为2007年其余五项指标（顺序依固定资产投资、地区生产总值、常住人口数、消费、利用外资），x2为2008年其余五项指标（固定资产投资、地区生产总值、常住人口数、消费、利用外资）。
%其中矩阵dd为直线距离权重矩阵（Direct Distance），矩阵nm为领域权重矩阵（Neighborhood
%Matrix），矩阵w1为2007年经济距离权重矩阵，矩阵w2为2008年经济距离权重矩阵（经济距离计算方法为两区本年度公共支出数额只差的绝对值）。
% 1.前期矩阵准备
dd = fanzhuan(dd); %补全直线距离权重矩阵
w1 = fanzhuan(w1); %补全2007年经济距离权重矩阵
w2 = fanzhuan(w2); %补全2008年经济距离权重矩阵
w3 = 0.4.*w1 + 0.6.*w2; %构建一个组合空间权重矩阵（2007年权重为40%，2008年权重为60%）
% 2.标准化
dd = hbzh(dd); %将直线距离权重矩阵进行行标准化
w1 = hbzh(w1); %将2007年经济距离权重矩阵进行行标准化
w2 = hbzh(w2); %将2008年经济距离权重矩阵进行行标准化
w3 = hbzh(w3); %将组合空间权重矩阵进行行标准化
% 3.莫兰检验
test1 = moran(y1,x1,dd) %进行莫兰检验
test2 = moran(y1,x1,nm)
test3 = moran(y1,x1,w1)
test4 = moran(y1,x1,w2)
test5 = moran(y1,x1,w3)
test6 = moran(y2,x2,dd)
test7 = moran(y2,x2,nm)
test8 = moran(y2,x2,w1)
test9 = moran(y2,x2,w2)
test10 = moran(y2,x2,w3)
% 4.构建空间自回归模型
results1 = sar(y1,x1,dd); %空间自回归模型的极大似然估计
prt(results1) %对空间自回归模型的极大似然估计结果格式化
results2 = sar(y1,x1,nm);
prt(results2)
results3 = sar(y1,x1,w1);
prt(results3)
results4 = sar(y1,x1,w2);
prt(results4)
results5 = sar(y1,x1,w3);
prt(results5)
results6 = sar(y2,x2,dd);
prt(results6)
results7 = sar(y2,x2,nm);
prt(results7)
results8 = sar(y2,x2,w1);
prt(results8)
results9 = sar(y2,x2,w2);
prt(results9)
results10 = sar(y2,x2,w3)
prt(results10)
% 5.构建空间误差模型
results11 = sem(y1,x1,dd)
prt(results11)
results12 = sem(y1,x1,nm);
prt(results12)
results13 = sem(y1,x1,w1);
prt(results13)
results14 = sem(y1,x1,w2);
prt(results14)
results15 = sem(y1,x1,w3);
prt(results15)
results16 = sem(y2,x2,dd);
prt(results16)
results17 = sem(y2,x2,nm);
prt(results17)
results18 = sem(y2,x2,w1);
prt(results18)
results19 = sem(y2,x2,w2);
prt(results19)
results20 = sem(y2,x2,w3);
prt(results20)
% 6.构建空间杜宾模型
results21 = sdm(y1,x1,dd); %空间杜宾模型参数估计
prt(results21)
results22 = sdm(y1,x1,nm);
prt(results22)
results23 = sdm(y1,x1,w1);
prt(results23)
results24 = sdm(y1,x1,w2);
prt(results24)
results25 = sdm(y1,x1,w3);
prt(results25)
results26 = sdm(y2,x2,dd);
prt(results26)
results27 = sdm(y2,x2,nm);
prt(results27)
results28 = sdm(y2,x2,w1);
prt(results28)
results29 = sdm(y2,x2,w2);
prt(results29)
results30 = sdm(y2,x2,w3);
prt(results30)
% 7.构建空间面板数据模型
xp = vertcat(x1,x2); %将2007年和2008年的数据矩阵纵向合并为一个矩阵，形成空间面板数据结构
yp = vertcat(y1,y2); %将2007年和2008年的数据矩阵纵向合并为一个矩阵，形成空间面板数据结构
results31 = sar_panel_FE(yp,xp,dd,2); %空间固定效应面板数据自回归模型，时期数为2（2007年、2008年）
prt(results31)
results32 = sar_panel_FE(yp,xp,nm,2);
prt(results32)
results33 = sar_panel_FE(yp,xp,w1,2);
prt(results33)
results34 = sar_panel_FE(yp,xp,w2,2);
prt(results34)
results35 = sar_panel_FE(yp,xp,w3,2);
prt(results35)'
Bonne nuit, messieurs.
fin