空间计量模型_截面数据空间计量模型空间滞后模型

3.5.1 模型及估计

由于SLM模型与时间序列中的自回归模型相类似，因此，SLM也被称为空间自回归模型(spatial autoregressive model，SAR)。

空间滞后模型的经济学含义是，如果所关注的经济变量存在利用空间矩阵表示的空间相关性，则仅仅考虑其自身的解释变量X不足以很好地估计和预测该变量的变化趋势。例如，一个地区的房价会收到相邻区域房价的影响，如果我们只考虑当地的供需情况，便忽略了周边地区人口和资金的流动性对该地区的潜在影响；而在模型中考虑适当的由于空间结构造成的影响(周边地区的房价)，便可以较好地控制这一空间效应造成的影响。

在模型的解释变量中出现被解释变量的空间滞后项，普通最小二乘估计(OLS)将不再适用，根据变量估计(IV)、广义据估计(GMM)和最大似然估计(ML)是最合适的估计方法。

3.5.2 实例及操作

此处仍继续前述章节选用我国专利申请数量及其空间相关性的案例，从中学空间滞后模型(SAR)。先构建下列模型：

选取数据集“li3.3.dta”。利用STATA软件对模型进行参数估计，首先是利用OLS进行估计，在command窗口中输入如下命令：

reg lninno lnrdk lnrdl

然后在经典回归模型基础上，加入空间因素的影响，即引入空间邻接矩阵，构建如上式所示的空间滞后模型。由于Stata中进行空间模型的参数回归时，需要安装命令包，具体的在Command窗口中的命令为：

findit spregsar /*安装截面数据空间计量外部命令*/

spregsar lninno lnrdk lnrdl,wmfile(D:\stata16\shuju\chap03\li3.3W.dta)

将利用经典回归模型和SAR模型所估计的结果，进行整理如下：

从表3.5.1可以看出，将最小二乘回归换成空间滞后模型，其条件并没有改善。这是因为相邻空间单元对本空间的影响程度是有限的，在这个模型当中，仅仅增加被解释变量的滞后项，一定程度上改善了模型，在各个自变量的显著性检验都有所提高，但是由于模型本身的缺陷，该模型并没有很好地改善状况。

讲员：叶阿忠

编辑：丁梦璐

往期回顾：

广义嵌套空间模型

截面数据空间计量模型-空间杜宾模型