请选择 进入手机版 | 继续访问电脑版
楼主: 李佳佳2333
45487 47

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

李佳佳2333 学生认证  发表于 2018-9-15 13:48:07 |显示全部楼层 |坛友微信交流群
彼岸5 发表于 2018-6-17 13:28
这是截面的命令吧,请问楼主矩阵E是怎么弄出来的?
矩阵不是都有标准的吗 01矩阵,距离举证经济距离矩阵...

使用道具

李佳佳2333 学生认证  发表于 2018-9-15 13:48:55 |显示全部楼层 |坛友微信交流群
天涯归宿 发表于 2018-6-1 17:26
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
10年一起做的,一年一年不烦么

使用道具

aurorecasilo 发表于 2018-10-3 21:57:44 |显示全部楼层 |坛友微信交流群
李佳佳2333 发表于 2018-9-15 13:47
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 te ...
请问楼主n*n的空间权重矩阵E是怎么弄出来的?我一直以为这个命令只能做截面,您的意思是只要矩阵弄好了,也可以做面板的是吧?

使用道具

aurorecasilo 发表于 2018-10-8 14:21:39 |显示全部楼层 |坛友微信交流群
李佳佳2333 发表于 2018-9-15 13:47
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 te ...
您好,我看这个输出的LM检验 *** Spatial Panel Aautocorrelation Tests
==============================================================================
  Ho: Error has No Spatial AutoCorrelation
  Ha: Error has    Spatial AutoCorrelation

- GLOBAL Moran MI            =   0.2533     P-Value > Z( 7.920)   0.0000
- GLOBAL Geary GC            =   0.7356     P-Value > Z(-5.559)   0.0000
- GLOBAL Getis-Ords GO       =  -1.1005     P-Value > Z(-7.920)   0.0000
------------------------------------------------------------------------------
- Moran MI Error Test        =   2.0626     P-Value > Z(63.984)   0.0392
------------------------------------------------------------------------------
- LM Error (Burridge)        =  49.4833     P-Value > Chi2(1)     0.0000
- LM Error (Robust)          =  49.4889     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)           =   0.0002     P-Value > Chi2(1)     0.9902
- LM Lag (Robust)            =   0.0058     P-Value > Chi2(1)     0.9394
------------------------------------------------------------------------------
  Ho: No General Spatial AutoCorrelation
  Ha:    General Spatial AutoCorrelation

- LM SAC (LMErr+LMLag_R)     =  49.4891     P-Value > Chi2(2)     0.0000
- LM SAC (LMLag+LMErr_R)     =  49.4891     P-Value > Chi2(2)     0.0000
------------------------------------------------------------------------------

是不是说明LM Error  显著,LM Lag 不显著。按理应该是存在 空间效应sem
但是最后有一个 LM SAC ??也是显著,是什么意思?难道是 可以用sac模型?
但是我后来用 xsmle 语句分别作了sdm sem sar(slm) sac,,发现就是sac的空间效应不显著。



使用道具

beijin2008 发表于 2018-10-14 20:31:54 来自手机 |显示全部楼层 |坛友微信交流群
李佳佳2333 发表于 2018-3-12 23:05
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 ...
学习了下

使用道具

淡如清水 发表于 2018-12-14 12:28:05 |显示全部楼层 |坛友微信交流群
请问stata提示权重矩阵与观测值不匹配,应该如何设置权重矩阵呢?或者应该如何设置呢?
5b7843d13a910a145c0f8b4ca4536de.png
5b7843d13a910a145c0f8b4ca4536de.png

使用道具

淡如清水 发表于 2018-12-14 12:28
请问stata提示权重矩阵与观测值不匹配,应该如何设置权重矩阵呢?或者应该如何设置呢?
是不是因为你这个是面板数据,但你的语句是截面数据,所以不匹配。我也出现了这种情况,但你用xsmle命令就可以了,陈强那本书上给出的数据是截面数据,书29.9讲了面板数据语句。

使用道具

memory4032 发表于 2019-2-14 17:17:52 |显示全部楼层 |坛友微信交流群
不行啊,还是显示To run -spatreg- weights matrix dimension must equal N. of obs

使用道具

memory4032 发表于 2019-2-14 17:17
不行啊,还是显示To run -spatreg- weights matrix dimension must equal N. of obs
请问您解决了吗?我还是出现这种问题Matrix iw is 13x13, the dataset in use has 91 obs.
To run -spatreg- weights matrix dimension must equal N. of obs

使用道具

想问一下,这个该怎么办?在运行命令spregsarxt y lnagdp gap net urb road gst fdr epr, wmfile(w.dta) nc(13) lmspac之后出现
==============================================================================
*** Binary (0/1) Weight Matrix: 91x91 - NC=13 NT=7 (Non Normalized)
==============================================================================

initial:       log likelihood = -48.089668
rescale:       log likelihood = -48.089668
rescale eq:    log likelihood = -48.089668
Iteration 0:   log likelihood = -48.089668  (not concave)
Iteration 1:   log likelihood =  -42.66008  (not concave)
Iteration 2:   log likelihood = -40.792812  (not concave)
Iteration 3:   log likelihood = -39.577548  (not concave)
Iteration 4:   log likelihood = -38.524239  (not concave)
Iteration 5:   log likelihood = -37.457956  (not concave)
Iteration 6:   log likelihood = -36.911818  (not concave)
Iteration 7:   log likelihood = -33.926805  
Iteration 8:   log likelihood = -23.628673  
Iteration 9:   log likelihood = -23.592719  (backed up)
Iteration 10:  log likelihood = -23.575036  (backed up)
Iteration 11:  log likelihood = -23.566325  (backed up)
Iteration 12:  log likelihood = -23.561949  (backed up)
Iteration 13:  log likelihood =   -23.5614  (backed up)
Iteration 14:  log likelihood = -23.561123  (backed up)
Iteration 15:  log likelihood = -23.561089  (backed up)
Iteration 16:  log likelihood = -23.561072  (backed up)
numerical derivatives are approximate
nearby values are missing
numerical derivatives are approximate
nearby values are missing
numerical derivatives are approximate
nearby values are missing
cannot compute an improvement -- discontinuous region encountered
r(430);

不知道问题在哪

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 08:51