空间计量经济学基本模型的matlab估计一、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(~2n I N x Wy y σεεβρ++=中的未知参数ρ、β和σ2。

==================================================== ➢ 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====================================================➢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n×3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’……);***********************************************************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，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=β0+ρWy+xβ+εε~N（0，σ2I n）转换为：y=ρWy+[1 x][β0β]’+εε~N（0，σ2I n）✓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====================================================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。

====================================================二、空间误差模型sem （）==================================================== ➢ 函数功能估计空间误差模型),0(~2n I N Wu u ux y σεελβ+=+=中的未知参数β、λ和σ2。

==================================================== ➢ 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 sem语句查看====================================================➢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=β0+xβ+uu=λWu+εε~N（0，σ2I n）转换为：y=[1 x][β0β]’+uu=λWu+εε~N（0，σ2I n）✓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====================================================➢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);***********************************************************5)基于sar残差的检验❖使用方法：res=lmsar（y,x,W1,W2）;prt(res);====================================================三、空间杜宾模型sdm （）==================================================== ➢ 函数功能估计空间杜宾模型),0(~W 221n I N WX X y y σεεββρ+++=中的未知参数ρ、β1、β2和σ2。

==================================================== ➢ 使用方法res=sdm(y ，X ，W ，info ）*********************************************************** info ：结构化参数，具体可使用help sdm语句查看==================================================== ➢ 注意事项1) X模型中，第一个X 包括常数项，第二个未包括常数项。

但程序中的X 应将常数项包括在内，程序会自动处理。

***********************************************************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。

*********************************************************** ====================================================➢应用实例1)估计地区犯罪率受周边地区犯罪率的影响程度✓案例素材Anselin在1980年研究了美国俄亥俄州（Ohio）哥伦布市（Columbus）49个县的犯罪率影响因素，形成了一个包含49个样本数据的截面数据集anselin.dat。

可以通过matlab软件打开anselin.dat查看，并打开anselin.txt查看各列数据的含义。

✓计量模型y=β0+ρWy+xβ1+Wxβ2+εε~N（0，σ2I n）✓程序语句●1）近似估计缺省设置info.lflag=1；或者info.lflag=2。