1、空间计量经济学基本模型的 matlab 估计0一、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(2nINxWyy中的未知参数 、 和 2。= 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1= 注意事项1) WW 为权重矩阵，因为是稀疏矩阵，原始数据通常以 n3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
2、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) infoinfo 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);2*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
3、，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=0+Wy+x+N（ 0， 2In）转换为：y=Wy+1 x0 +3N（ 0， 2In） 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
4、）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。=4二、空间误差模型sem（）= 函数功能估计空间误差模型 ),0(2nINWuxy中的未知参数 、 和 2。= 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 sem5语
5、句查看= 注意事项1) xx 应将常数项包括在内。*2) infoinfo 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。*3) vnames在输出结果中说明被解释变量。使用方法：vnames=strvcat(variable name1,variable name2);*= 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6据，形成了一个包含 3107 个样本数据的截面数据集elect.da
6、t。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=0+x+uu=Wu+N（ 0， 2In）转换为：y=1 x0 +uu=Wu+N（ 0， 2In） 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7= 误差项空间依赖性的检验*1) Moran I 统计量检验 使用方法：res=moran（y,x,W ）;prt(res);*2) 似然比检验（ lratios） 使用方法：res=lratios（y,x,W ）;prt(res);*3) 拉格朗日乘子（ LM） 检验 使用方法：res=lmerror（y,x,W）;prt(res);*4) 沃德（ Walds） 检验 使用方法：res=walds（y,x,W）;prt(res);8*5) 基于 sar 残差的检验 使用方法：res=lmsar（y,x,W1,W2）;prt(res);=
