请选择 进入手机版 | 继续访问电脑版
楼主: 李佳佳2333
45511 47

【stata】用stata做面板数据的空间依赖性检验(LM检验)   [推广有奖]

  • 0关注
  • 11粉丝

讲师

14%

还不是VIP/贵宾

-

威望
0
论坛币
44400 个
通用积分
66.8838
学术水平
0 点
热心指数
0 点
信用等级
0 点
经验
4237 点
帖子
170
精华
0
在线时间
624 小时
注册时间
2015-11-3
最后登录
2024-3-27

李佳佳2333 学生认证  发表于 2018-3-12 23:05:01 |显示全部楼层 |坛友微信交流群
相似文件 换一批

+2 论坛币
k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群
赵安豆老师微信:zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

感谢您参与论坛问题回答

经管之家送您两个论坛币!

+2 论坛币
最近在做空间计量的实证,判断用哪种空间计量模型(SEM or SDM)时要用到一个空间依赖性检验(LM检验),判定标准是:如果在空间依赖性检验(LM检验)中发现LMLAG 较之LMError在统计上更加显著,且R-LMLAG显著而R-LMError 不显著,则可以断定适合的模型是空间滞后模型;反之则可以判定空间误差模型是恰当的模型。论坛上找到的是截面数据做LM检验的回归命令,用在跨度十几年的面板数据上不管用了(错误提示:Matrix W is 31x31, the dataset in use has ~~~obs.),向师兄讨到了一个做截面数据的回归,供需要的筒子参考吧~
1. 需要的命令是 spatreg,要先下载:findit spatreg
2.和做Moran的前几步一样的,把n*n的矩阵标准备好:spatwmat using ***.dta ,name(W) standardize
(据说也可以不标准化,这个我习惯性加上的)
(***是自己的矩阵文件名)
3. spatreg y x x1 x2 x3 x4 ,weights(W) eigenval(E) model(error) nolog
然后就可以了,回归结果(LMLAG LMERROR R_LMLAG R_LMERROR等)在最后。
(如果显示错误,则可能你的时期太多了比如15年以上,可以根据stata的提示重新设定一下martix的规模,stata提示中有详细的解答,照着那个做就可以了,10年左右的时期上面三部曲基本是没问题的。)


二维码

扫码加我 拉你入群

请注明:姓名-公司-职位

以便审核进群资格,未注明则拒绝


已有 1 人评分经验 收起 理由
liujianfang + 100 精彩帖子

总评分: 经验 + 100   查看全部评分

李佳佳2333 学生认证  发表于 2018-3-13 17:32:54 |显示全部楼层 |坛友微信交流群
第一段中写错了,是做面板数据的LM回归命令。

使用道具

旋转轴3 发表于 2018-5-31 10:04:24 |显示全部楼层 |坛友微信交流群
你好,我想请问一下Matrix w1 is 124x124, the dataset in use has 2108 obs.
To run -spatreg- weights matrix dimension must equal N. of obs
一直显示这个,我该怎么办呢

使用道具

李佳佳2333 学生认证  发表于 2018-6-1 09:29:24 |显示全部楼层 |坛友微信交流群
用我写的那个命令也出现这个提示?我之前是因为用面板数据的回归命令来做截面数据才出现这个提示的。

使用道具

李佳佳2333 学生认证  发表于 2018-6-1 09:29:59 |显示全部楼层 |坛友微信交流群
李佳佳2333 发表于 2018-6-1 09:29
用我写的那个命令也出现这个提示?我之前是因为用面板数据的回归命令来做截面数据才出现这个提示的。
用我写的那个命令也出现这个提示?我之前是因为用面板数据的回归命令来做截面数据才出现这个提示的。

使用道具

旋转轴3 发表于 2018-5-31 10:04
你好,我想请问一下Matrix w1 is 124x124, the dataset in use has 2108 obs.
To run -spatreg- weights m ...
我猜测,可能这个只适合用截面数据做,也就是一年一年地做

使用道具

楼主,你做的结果的接图有没有啊?

使用道具

天涯归宿 发表于 2018-6-1 17:27
楼主,你做的结果的接图有没有啊?
是截图

使用道具

彼岸5 发表于 2018-6-17 13:28:14 |显示全部楼层 |坛友微信交流群
这是截面的命令吧,请问楼主矩阵E是怎么弄出来的?

使用道具

李佳佳2333 学生认证  发表于 2018-9-15 13:47:24 |显示全部楼层 |坛友微信交流群
天涯归宿 发表于 2018-6-1 17:27
楼主,你做的结果的接图有没有啊?
LM回归 判断使用哪种空间模型
先设定矩阵pweight.dta(如moran前几步)
spregsarxt s segin edu gdp tech pop, wmfile(pweight.dta) nc(31) lmspac


==============================================================================
*** Binary (0/1) Weight Matrix: 341x341 - NC=31 NT=11 (Non Normalized)
==============================================================================

initial:       log likelihood =  56.876941
rescale:       log likelihood =  56.876941
rescale eq:    log likelihood =  56.876941
Iteration 0:   log likelihood =  56.876941  
Iteration 1:   log likelihood =  60.853957  
Iteration 2:   log likelihood =   60.88959  
Iteration 3:   log likelihood =  60.889613  
Iteration 4:   log likelihood =  60.889613  
==============================================================================
* MLE Spatial Lag Panel Normal Model (SAR)
==============================================================================
  s = segin + edu + gdp + tech + pop
------------------------------------------------------------------------------
  Sample Size       =         341   |   Cross Sections Number   =          31
  Wald Test         =    805.4746   |   P-Value > Chi2(5)       =      0.0000
  F-Test            =    161.0949   |   P-Value > F(5 , 305)    =      0.0000
(Buse 1973) R2     =      0.7063   |   Raw Moments R2          =      0.9579
(Buse 1973) R2 Adj =      0.6726   |   Raw Moments R2 Adj      =      0.9530
  Root MSE (Sigma)  =      0.1390   |   Log Likelihood Function =     60.8896
------------------------------------------------------------------------------
- R2h= 0.3260   R2h Adj= 0.2486  F-Test =   32.40 P-Value > F(5 , 305) 0.0000
- R2v= 0.3123   R2v Adj= 0.2334  F-Test =   30.43 P-Value > F(5 , 305) 0.0000
------------------------------------------------------------------------------
           s |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
s            |
       segin |   .0186811   .1423101     0.13   0.896    -.2602416    .2976038
         edu |   .0147365   .0028604     5.15   0.000     .0091302    .0203427
         gdp |  -.0005648   .0301892    -0.02   0.985    -.0597345    .0586049
        tech |   .0164845   .0020312     8.12   0.000     .0125035    .0204654
         pop |   .0000213   7.97e-06     2.67   0.008     5.64e-06    .0000369
       _cons |    .392449   .2580654     1.52   0.128    -.1133499     .898248
-------------+----------------------------------------------------------------
        /Rho |  -.0280663   .0101534    -2.76   0.006    -.0479667   -.0081659
      /Sigma |   .2075909   .0081441    25.49   0.000     .1916287    .2235531
------------------------------------------------------------------------------
LR Test SAR vs. OLS (Rho=0):      7.6409   P-Value > Chi2(1)   0.0057
Acceptable Range for Rho:        -0.5991 < Rho < 0.1586
------------------------------------------------------------------------------

==============================================================================
*** Spatial Panel Aautocorrelation Tests
==============================================================================
  Ho: Error has No Spatial AutoCorrelation
  Ha: Error has    Spatial AutoCorrelation

- GLOBAL Moran MI            =   0.2037     P-Value > Z( 6.412)   0.0000
- GLOBAL Geary GC            =   0.8827     P-Value > Z(-2.584)   0.0098
- GLOBAL Getis-Ords GO       =  -1.0907     P-Value > Z(-6.412)   0.0000
------------------------------------------------------------------------------
- Moran MI Error Test        =   1.5220     P-Value > Z(47.325)   0.1280
------------------------------------------------------------------------------
- LM Error (Burridge)        =  31.2441     P-Value > Chi2(1)     0.0000
- LM Error (Robust)          =  28.1051     P-Value > Chi2(1)     0.0000
------------------------------------------------------------------------------
  Ho: Spatial Lagged Dependent Variable has No Spatial AutoCorrelation
  Ha: Spatial Lagged Dependent Variable has    Spatial AutoCorrelation

- LM Lag (Anselin)           =   3.2034     P-Value > Chi2(1)     0.0735
- LM Lag (Robust)            =   0.0644     P-Value > Chi2(1)     0.7997
------------------------------------------------------------------------------
  Ho: No General Spatial AutoCorrelation
  Ha:    General Spatial AutoCorrelation

- LM SAC (LMErr+LMLag_R)     =  31.3085     P-Value > Chi2(2)     0.0000
- LM SAC (LMLag+LMErr_R)     =  31.3085     P-Value > Chi2(2)     0.0000
------------------------------------------------------------------------------

使用道具

您需要登录后才可以回帖 登录 | 我要注册

本版微信群
加好友,备注jltj
拉您入交流群

京ICP备16021002-2号 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问:王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2024-3-29 17:48