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:彭甲超 (中国地质大学)
邮箱:pengjiachao@cug.edu.cn
编者按:本文摘译自下文,特此致谢!
Source:Atella V, Belotti F, Depalo D, et al. Measuring spatial effects in the presence of institutional constraints: The case of Italian Local Health Authority expenditure[J]. Regional Science and Urban Economics, 2014, 49: 232-241. -PDF-
目录
已有文献认为地理上接近的样本数据不是独立的,而是在空间上相关,这意味着更接近样本单元的观测值往往比其他样本单元的观测值更相似。经济和社会人口变量,如失业率、犯罪率、房价、人均卫生支出等,经常观察到空间聚集或基于地理的相关性特征。理论模型通常承认空间溢出的存在,空间溢出随着单元之间距离的增加而下降。
从经验上讲,这些特征可以通过权重矩阵的方法,将较高的权重附加到邻近地区。比如邻近样本单元的环境污染可能影响当地的环境,那么在实际研究中该如何控制临近样本单元对当地的环境污染呢?通常利用引入空间权重的方式考察这种空间溢出。引入空间计量主要有2个好处:一是可以防止空间溢出效应性影响内生性,二是可以考察空间溢出的影响方向。
一般常见的引入空间权重仅使用单一权重,但实际中仅依赖单一空间权重缺乏经济含义。以空间杜宾模型 (SDM) 为例:
其中,
公式中使用的 spm
命令能够很好的解决两种空间权重对被解释变量的影响。
spm
命令主要适用平衡面板双权重的空间自回归模型 (SAR)、空间误差模型 (SEM) 和 SDM 固定效应空间计量模型。SE 其实就是将回归项放到了误差里面,简单的来说,SAR 是研究因变量自相关,而 SEM 是研究误差项自相关。SDM 是 SAR 和 SEM 的扩展形式,同时考虑了因变量和自变量的自相关性含有空间权重矩阵的模型。
SDM 模型可以计算变量的直接效应、间接效应和总效应,因而被广泛使用。其中直接效应表示区域的变量对区域的被解释变量产生的影响,总效应表示所有区域的变量变动对区域的被解释变量产生的影响,间接效应表示其他区域变量变动对本区域的被解释变量产生的影响,也为空间溢出效应。
以 SDM 模型为例,双权重主要模型形式为 (Manski,1993;Atell 等 2014):
其中
需要注意的是,spm
允许使用双权重矩阵估计平衡空间面板数据模型 (Atella 等,2014),当方差-协方差矩阵不是正定时,使用 Rebonato 和 Jackel (1999) 中的修正正定矩阵计算直接、间接和总效应标准误差。
*命令安装
cnssc install lxhget, replace
lxhget spm.pkg, install
*命令语法
Spatial Autoregressive (SAR) model
spm depvar [indepvars] [if] [in] [weight] [, SAR_options]
Spatial Error (SEM) model
spm depvar [indepvars] [if] [in] [weight] , model(sem) [SEM_options]
Spatial Durbin (SDM) model
spm depvar [indepvars] [if] [in] [weight] , model(durbin) [DURBIN_options]
spm
:仅适用 SAR、SEM、Durbin 模型;depvar
:被解释变量;indepvars
:解释变量;SAR_options
:包括 sarwmat(name)
、sarw2mat(name)
、固定效应选项,稳健性估计选择和置信区间选项。其中 sarwmat(name)
代表第一个 Stata 空间权重,sarw2mat(name)
代表第二个 Stata 空间权重,固定效应选择可设定控制个体效应和时间效应;SEM_options
:与 SAR_options
类似,包括 sarwmat(name)
、sarw2mat(name)
、固定效应选项、稳健性估计选择和置信区间选项,含义与 SAR_options
类似;DURBIN_options
:与 SAR_options
和 SEM_options
具体内容差别不大。但需要注意 durbin(varlist [, SDM_options])
中,SDM_options
包含 indirect
和 nsim(#)
,分别用于展示不同变量的空间溢出效应,设置 Lesage 和 Pace (2009) 过程的模拟次数以计算直接和间接影响的标准误差。
示例数据中的空间矩阵是一个一阶 188×188 邻接矩阵
首先,下载示例数据,并载入两种空间权重
. lxhget spm.pkg, replace
. use spm_demo.dta, clear
. mata mata matuse w1.mmat, replace
. mata st_matrix("W1", W1)
. mata mata matuse w2.mmat, replace
. mata st_matrix("W2", W2)
特别需要注意的是,spm
使用的空间权重矩阵是 mmat 格式而非 dta 格式数据,下文将给出具体转化代码。
mata
mata clear
mata stata use W1.dta,clear
W1=st_data(.,.)
W1
end
mata st_matrix("W1", W1)
其次,结合 spm
的参考命令执行,结果如下:
. *SDM
. xtset id t
. spm y x1, model(durbin) sarwmat(W1) sarw2mat(W2)
SDM with spatial fixed effects Number of obs = 940
Group variable: id Number of groups = 188
Time variable: t Obs per group: min = 5
avg = 5.0
max = 5
Log-likelihood = -1319.3380
------------------------------------------------------------------------------
y | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
Main |
x1 | 0.411 0.034 12.09 0.000 0.345 0.478
-------------+----------------------------------------------------------------
Durbin |
x1 | 0.601 0.063 9.55 0.000 0.478 0.725
-------------+----------------------------------------------------------------
Durbin2 |
x1 | 0.321 0.064 4.98 0.000 0.195 0.448
-------------+----------------------------------------------------------------
Spatial |
rho | 0.237 0.022 10.97 0.000 0.195 0.279
rho2 | 0.674 0.019 36.38 0.000 0.638 0.710
-------------+----------------------------------------------------------------
Variance |
sigma2 | 1.016 0.038 26.62 0.000 0.941 1.091
------------------------------------------------------------------------------
其中,
. *SAR
. spm y x1, model(sar) sarwmat(W1) sarw2mat(W2)
SLM with spatial fixed effects Number of obs = 940
Group variable: id Number of groups = 188
Time variable: t Obs per group: min = 5
avg = 5.0
max = 5
Log-likelihood = -1378.5699
------------------------------------------------------------------------------
y | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
Main |
x1 | 0.434 0.036 12.21 0.000 0.364 0.503
-------------+----------------------------------------------------------------
Spatial |
rho | 0.306 0.020 15.16 0.000 0.267 0.346
rho2 | 0.660 0.018 37.26 0.000 0.625 0.695
-------------+----------------------------------------------------------------
Variance |
sigma2 | 1.121 0.042 26.49 0.000 1.038 1.204
------------------------------------------------------------------------------
. *SEM
. spm y x1, sarwmat(W1) sarw2mat(W2)
SLM with spatial fixed effects Number of obs = 940
Group variable: id Number of groups = 188
Time variable: t Obs per group: min = 5
avg = 5.0
max = 5
Log-likelihood = -1378.5699
------------------------------------------------------------------------------
y | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
Main |
x1 | 0.434 0.036 12.21 0.000 0.364 0.503
-------------+----------------------------------------------------------------
Spatial |
rho | 0.306 0.020 15.16 0.000 0.267 0.346
rho2 | 0.660 0.018 37.26 0.000 0.625 0.695
-------------+----------------------------------------------------------------
Variance |
sigma2 | 1.121 0.042 26.49 0.000 1.038 1.204
------------------------------------------------------------------------------
与传统的单一空间权重分析相比,spm
命令同时引入两种空间权重是对空间计量模型的一种改进。此外,spm
命令能够汇报 SDM 模型的直接效应、间接效应和总效应,本文不在此赘述。
Note:产生如下推文列表的 Stata 命令为:
lianxh 空间, 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