Stata连享会 主页 || 视频 || 推文 || 知乎 || Bilibili 站
温馨提示: 定期 清理浏览器缓存,可以获得最佳浏览体验。
New!
lianxh
命令发布了:
随时搜索推文、Stata 资源。安装:
. ssc install lianxh
详情参见帮助文件 (有惊喜):
. help lianxh
连享会新命令:cnssc
,ihelp
,rdbalance
,gitee
,installpkg
⛳ Stata 系列推文:
作者:李祉豪 (厦门大学)
邮箱:andycristone@163.com
目录
在标准的空间自回归模型中,即使在考虑固定效应的情况下,也只是估计了所有地理单位空间溢出效应的平均值,无法捕捉不同地理单位所产生的不同的空间溢出效应。为了探究不同地理单位空间溢出效应的异质性,Aquaro 等建立了异质性空间自回归模型 (Heterogeneous SAR model,简称 HSAR model)。
标准的空间自回归莫模型中,除了可能存在的个体固定效应外,空间溢出或者网络效应被认为是同质的。但在这种网络中即使所有个体都拥有相同数目的连接单位,每个个体也并非同等重要。而这正是作者们提出该模型以估计不同不同溢出效应的研究动机。
一个带外生解释变量的标准空间自回归模型如下:
在该模型中,空间溢出效应即系数
此时,我们可以看到在不同观测点
当引入弱外生变量如滞后一期的被解释变量
*命令安装
ssc install hetsar, all replace
安装好命令之后,可以输入 help hetsar
,查看 hetsar
的帮助文档。该命令在进行模型估计时的空间权重矩阵采用 spmat 或 spmatrix 格式均可。运行该命令时需注意,被解释变量和空间权重矩阵是必选项,并且要确保样本数据和空间权重矩阵数据在同一个运行目录下。
*命令语法
hetsar depvar [indepvars] [if] [in], wmatrix(name) [options]
其中,
depvar
:被解释变量;indepvars
:解释变量,中间用空格隔开;wmatrix(name)
:设定模型估计时所采用的权权重矩阵,括号内填入该矩阵的名称。options
选择项如下:
detailed
:输出模型的个体异质性估计系数、方差估计值和空间滞后项等细节信息,不加则默认输出组平均估计系数;ivarlag(durb_varlist)
:使用空间杜宾模型时生成指定被解释变量的空间滞后项;timelag([y wy x wx])
:设定动态模型时指定生成 noconstant
:估计时去掉常数项。
本节使用该命令自带实例进行回归估计,可在 help 文档中 Examples 一栏点击相应行命令即可看到不同空间计量模型的估计结果。
首先我们需要使用如下命令导入空间权重矩阵:
. cnssc install lxhget, replace
. lxhget hetsar.pkg, replace
copying into current directory...
copying hetsar_demo.csv
copying wrook_25.txt
ancillary files successfully copied.
. spmat import w using wrook_25.txt, replace noid normalize(row)
在完成上述权重矩阵导入后,可使用 spmat summarize w
命令查看该矩阵的描述性统计特征,如下所示:
. spmat summarize w
Summary of spatial-weighting object w
--------------------------------------
Matrix | Description
---------------+----------------------
Dimensions | 25 x 25
Stored as | 25 x 25
Values |
min | 0
min>0 | .25
mean | .04
max | .5
--------------------------------------
在完成权重矩阵导入后,我们按照如下命令导入样本数据,并设定面板数据格式:
. import delimited hetsar_demo.csv, clear
. xtset id time
针对样本数据,我们建立进行静态空间自回归模型:
通过以下命令,我们可以看到组平均估计系数的估计结果如下:
. *静态空间自回归模型
. hetsar y x, wmatrix(w) //若要汇报个体异质性估计系数则在后面加上 detailed
SAR model with heterogenous coefficients Number of obs = 5,025
Mean-group estimator
------------------------------------------------------------------------------
y | Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
Wy | 0.743 0.103 7.21 0.000 0.541 0.944
_cons | 0.502 0.220 2.29 0.022 0.072 0.933
x | 1.114 0.107 10.41 0.000 0.905 1.324
sigmasq | 2.543 0.328 7.74 0.000 1.899 3.187
------------------------------------------------------------------------------
回归结果显示空间滞后项和解释变量的组平均估计系数分别为 0.743 和 1.114,均在 1% 的水平上显著,表现出正向的空间溢出效应。若想得到个体异质性估计系数,我们可以在该命令后面加上 detailed
语句。该命令汇报了空间滞后项
. hetsar y x, wmatrix(w) detailed
-------------+----------------------------------------------------------------
x |
id1 | 0.434 0.295 1.47 0.141 -0.144 1.011
id2 | 1.145 0.149 7.67 0.000 0.852 1.437
id3 | 0.506 0.162 3.12 0.002 0.188 0.823
...
id23 | 1.481 0.140 10.55 0.000 1.206 1.756
id24 | 0.291 0.154 1.88 0.060 -0.012 0.593
id25 | 1.197 0.106 11.30 0.000 0.990 1.405
-------------+----------------------------------------------------------------
同样我们可以建立动态空间自回归模型进行估计:
组平均系数估计结果如下:
. hetsar y x, wmatrix(w) timelag(y wy)
Dynamic SAR model with heterogenous coefficients Number of obs = 5,000
Mean-group estimator
------------------------------------------------------------------------------
y | Coefficient Std. err. z P>|z| [95% conf. interval]
-------------+----------------------------------------------------------------
Wy | 0.501 0.137 3.64 0.000 0.231 0.770
_cons | -1.938 0.435 -4.46 0.000 -2.790 -1.087
|
y |
L1. | 0.682 0.099 6.88 0.000 0.487 0.876
|
Wy |
L1. | 0.623 0.111 5.63 0.000 0.406 0.839
|
x | 1.346 0.124 10.86 0.000 1.103 1.589
sigmasq | 9.458 1.746 5.42 0.000 6.036 12.879
------------------------------------------------------------------------------
上述各组平均估计系数均在 1% 的水平上显著,存在正向的空间溢出效应。其中 detailed
语句查看在不同观测点的异质性估计系数。在这里,我们只截取
. hetsar y x, wmatrix(w) timelag(y wy) detailed
-------------+----------------------------------------------------------------
L.Wy |
id1 | 0.995 0.197 5.06 0.000 0.609 1.381
id2 | 0.995 0.232 4.29 0.000 0.540 1.450
id3 | 0.995 0.185 5.37 0.000 0.632 1.358
...
id23 | 0.995 0.326 3.05 0.002 0.357 1.633
id24 | 0.995 0.106 9.38 0.000 0.787 1.203
id25 | 0.995 0.284 3.50 0.000 0.438 1.552
-------------+----------------------------------------------------------------
Note:产生如下推文列表的 Stata 命令为:
lianxh 空间 自回归, m
安装最新版lianxh
命令:
ssc install lianxh, replace
免费公开课
最新课程-直播课
专题 | 嘉宾 | 直播/回看视频 |
---|---|---|
⭐ 最新专题 | 文本分析、机器学习、效率专题、生存分析等 | |
研究设计 | 连玉君 | 我的特斯拉-实证研究设计,-幻灯片- |
面板模型 | 连玉君 | 动态面板模型,-幻灯片- |
面板模型 | 连玉君 | 直击面板数据模型 [免费公开课,2小时] |
⛳ 课程主页
⛳ 课程主页
关于我们
课程, 直播, 视频, 客服, 模型设定, 研究设计, stata, plus, 绘图, 编程, 面板, 论文重现, 可视化, RDD, DID, PSM, 合成控制法
等
连享会小程序:扫一扫,看推文,看视频……
扫码加入连享会微信群,提问交流更方便
✏ 连享会-常见问题解答:
✨ https://gitee.com/lianxh/Course/wikis
New!
lianxh
和songbl
命令发布了:
随时搜索连享会推文、Stata 资源,安装命令如下:
. ssc install lianxh
使用详情参见帮助文件 (有惊喜):
. help lianxh