2)iｎfo
info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:
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
hｅlｐsar
语句查看
============＝=＝＝＝==＝=＝＝=====＝=========＝＝＝＝==＝=＝=＝＝＝=
注意事项
1)W
W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。
使用方法:
[Ｗ１W2 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（)
=============＝=＝====＝=＝===＝＝====＝===＝====＝=====＝＝=＝=
*****＊******＊*＊＊*＊***＊******＊***************＊****＊***＊*****
5)ｖnamｅs
在输出结果中说明被解释变量。
使用方法:
ｖｎames=strｖcaｔ(‘vaｒiaｂｌename1’,’vａriableｎame２’……）;
*＊*＊**＊***＊＊＊*＊**＊****＊**＊*＊***********＊****＊****＊＊*＊******
第七讲-空间计量经济学模型的matｌaｂ估计
———————————————————————————————— 作者:
——————————————————————————经济学基本模型的maｔlａb估计
一、空间滞后模型
sar()
==＝=＝===＝＝==＝＝=＝==========＝============＝=＝=＝＝=＝=＝＝＝=
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+ε
ε~N(0，σ２In）
转换为：
y=ρWy+［1x][β０β]’＋ε
函数功能
估计空间误差模型
中的未知参数β、λ和σ2。
=========＝===＝===＝=====＝=======＝======＝===========＝=
使用方法
ｒes=seｍ(y,ｘ，Ｗ,info）
*＊*********＊＊＊**＊＊＊*****＊****＊＊＊**＊*********＊**＊＊**＊*＊*＊***
6)Ａsymptotiｃt－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。
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
helｐsem
语句查看
==＝=＝===＝=========＝=====＝======＝=========＝====＝==＝＝=
注意事项
1)x
x应将常数项包括在内。
************＊＊*****＊*****＊＊***＊＊**＊***＊＊*＊＊**＊***＊*＊＊＊*＊＊*＊
3)x
需要注意x的生成方式，应将常数项包括在内。
*******＊＊*＊***********＊＊＊*＊*＊**＊*＊*********＊**************＊
4)info
infｏ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
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。
ｖnames=ｓtrvcat（‘ｖariａble nａmｅ1’,’ｖariablenａmｅ2’……);
＊***＊*＊***＊*＊****＊*******＊**********＊＊**＊******＊***********
=＝=＝===＝====＝=========＝=======＝==＝===＝＝======＝====＝=
ε～N(0，σ2Ｉn）
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。
函数功能
估计空间滞后模型（空间自回归－回归模型)
中的未知参数ρ、β和σ2。
=＝=＝=＝======＝=＝=============＝=＝==＝=＝==＝===＝＝======＝=
使用方法
ｒｅs=sar(y,ｘ，W,info）
**＊**＊*＊*＊***＊*******＊****＊***＊****＊******＊*************＊**
**********＊***＊＊*****＊*＊*********＊***＊＊*********＊*＊*＊***＊**
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)。
*＊＊***＊＊＊**＊＊****＊*＊＊*******＊＊******************＊**********