回归表格

是 否 +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~ !

立即领取

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

二、杜宾模型
空间杜宾模型（SDM），其模型形式如下所示：
          
其中，Y为被解释变量，X为解释变量，W为空间权重矩阵，WY为被解释变量的空间滞后项，WX为解释变量的空间滞后项，β为解释变量回归系数，ρ为被解释变量的空间自回归系数，θ为解释变量的空间自回归系数，ε为误差项。

空间效应分析（直接+间接等于总）
一个特定空间单位中的特定解释变量的变化不仅会改变这个单位自身的被解释变量，而且会改变其他单位的被解释变量。前一种效应称之为直接效应，后者被称之为间接效应，二者加总为总效应。具体而言，直接效应是一个特定单位中的特定解释变量引起该单位自身被解释变量的变化；间接效应是一个特定单位中的特定解释变量引起其他单位被解释变量的变化。采用空间回归模型偏微分方法将环境规制水平及相关控制变量对环境质量的影响分解为直接效应和间接效应。

Variable         Obs         Mean         Std.Dev.         Min         Max
y1        249        2.554        3.659        0        17
y2        249        1.422        2.603        0        19
y3        249        1.506        2.118        0        9
y4        249        1.048        1.328        0        5
y5        249        1.578        4.174        0        29
x1        249        0.05        0.008        0.024        0.069
x2        249        0.214        0.054        0.117        0.374
x4        249        0.041        0.061        0.003        0.388
x5        249        0.014        0.023        0        0.154
x6        249        0.067        0.027        0.028        0.15
x7        249        0.907        0.028        0.821        0.971
x8        249        47.49        101.739        1.079        694.858
lnx9        249        10.839        0.167        10.453        11.342
x10        249        0.313        0.465        0        1
x11        249        5.369        6.905        0        47
x12        249        9.466        19.971        0        143
x13        249        8.729        19.167        0        126.88
x14        249        37.032        98.675        0        718.97

        (1)        (2)        (3)        (4)        (5)
        y1        y2        y3        y4        y5
                                       
x1        7.78368        1.15838        8.11369        2.96068        10.08908
        (1.053)        (1.186)        (1.250)        (1.165)        (1.118)
                                       
x2        10.54924***        -0.23334        2.56121        3.27166**        12.24496***
        (2.972)        (-0.444)        (1.047)        (2.564)        (2.816)
                                       
x4        3.57009        0.09255        2.53919        1.48958        -1.47789
        (0.769)        (0.140)        (0.720)        (0.931)        (-0.265)
                                       
x5        -0.39949        0.13611        -0.25063        -0.64697**        -0.47178
        (-0.424)        (1.108)        (-0.359)        (-2.024)        (-0.408)
                                       
x6        1.72899        0.62859**        3.64183        1.18882        3.65711
        (0.864)        (2.415)        (1.436)        (1.561)        (1.468)
                                       
x7        4.33316        -0.68738**        4.04759        2.96018***        6.23544*
        (1.544)        (-1.987)        (1.132)        (3.237)        (1.775)
                                       
x8        0.02783**        -0.00237        0.02768*        0.01070***        0.02327
        (2.328)        (-1.495)        (1.901)        (2.719)        (1.637)
                                       
lnx9        6.56851        0.32137***        3.71180        1.09030***        8.08713
        (.)        (3.323)        (.)        (3.511)        (.)
                                       
x10        1.59763        1.83078**        0.93512*        0.43904        -1.46805
        (1.493)        (2.125)        (1.663)        (0.982)        (-1.100)
                                       
x11        0.03556**        0.00385        0.03341**        0.00450        0.02589
        (1.995)        (1.503)        (2.242)        (0.723)        (1.194)
                                       
x12        0.03610**        -0.00053        0.02350*        0.00589        0.03384*
        (2.249)        (-0.249)        (1.812)        (1.071)        (1.749)
                                       
x13        0.09370        0.18581        -0.24068*        -0.02441        0.17704
        (0.597)        (1.570)        (-1.747)        (-0.381)        (0.908)
                                       
x14        -0.05307*        -0.02351        0.01969        -0.00195        -0.05434
        (-1.901)        (-1.040)        (1.248)        (-0.167)        (-1.573)
                                       
_cons        -1.11598        26.65166        19.16719        1.72663        -87.65610**
        (-0.033)        (.)        (0.559)        (0.141)        (-2.297)
Spatial                                       
rho        0.24654        0.04597        0.08345        0.40362*        0.27033
        (0.960)        (0.157)        (0.274)        (1.823)        (1.061)
Variance                                       
lgt_theta        -3.54955***        -5.40976***        -3.14820***        -3.76341***        -3.56852***
        (-28.499)        (-33.280)        (-9.957)        (-24.758)        (-30.794)
                                       
sigma2_e        0.01860***        0.00032***        0.00980        0.00219***        0.02791***
        (6.396)        (4.011)        (1.643)        (4.798)        (6.350)
Direct                                       
x1        12.74746        1.59714        10.69808        4.32367        34.29083
        (1.095)        (0.888)        (1.151)        (0.793)        (0.227)
                                       
x2        10.50886***        -0.22964        2.61562        3.45224**        10.58342*
        (3.338)        (-0.465)        (1.244)        (2.030)        (1.882)
                                       
x4        3.26358        0.24699        2.75801        1.29550        -0.93533
        (0.566)        (0.330)        (0.691)        (0.573)        (-0.142)
                                       
x5        0.15593        0.16062        0.04034        -0.27838        1.60230
        (0.113)        (1.088)        (0.046)        (-0.196)        (0.120)
                                       
x6        0.96606        0.58057*        3.18967        0.71251        2.26655
        (0.362)        (1.934)        (1.203)        (0.480)        (0.346)
                                       
x7        5.02501        -0.86577        3.80343        3.83629        8.69555
        (1.239)        (-1.181)        (1.029)        (0.988)        (0.516)
                                       
x8        0.02531**        -0.00224        0.02403*        0.00726        -0.00489
        (1.973)        (-1.332)        (1.652)        (0.724)        (-0.024)
                                       
lnx9        6.41009***        0.30199***        3.67232***        0.91648*        8.06697***
        (18.077)        (3.500)        (29.587)        (1.779)        (24.444)
                                       
x10        1.66536        1.87673**        0.95668        0.64590        -1.42345
        (1.452)        (2.221)        (1.452)        (0.872)        (-0.333)
                                       
x11        0.03410*        0.00359        0.03208**        0.00455        0.01792
        (1.710)        (1.436)        (2.016)        (0.642)        (0.365)
                                       
x12        0.03427*        -0.00085        0.01973        0.00329        0.00407
        (1.675)        (-0.353)        (1.326)        (0.322)        (0.017)
                                       
x13        0.07046        0.16583        -0.24380        -0.06104        0.14483
        (0.340)        (1.065)        (-1.641)        (-0.441)        (0.165)
                                       
x14        -0.04574        -0.02034        0.02470        0.00862        -0.01572
        (-1.166)        (-0.709)        (1.015)        (0.246)        (-0.039)
Indirect                                       
x1        401.80523        92.67865*        362.22904        104.28040        531.03554
        (0.843)        (1.763)        (1.443)        (0.759)        (0.276)
                                       
x2        18.99007        12.46115*        33.54790        24.55921        -67.80338
        (0.295)        (1.747)        (0.664)        (0.497)        (-0.720)
                                       
x4        -40.28159        26.71658        -2.10280        -13.22704        34.20740
        (-0.357)        (1.399)        (-0.045)        (-0.274)        (0.260)
                                       
x5        39.51377        3.54228*        34.79566        27.85573        37.98976
        (0.805)        (1.745)        (1.209)        (0.727)        (0.232)
                                       
x6        -30.31490        -0.19861        -22.53151        -26.67553        -18.49448
        (-0.627)        (-0.233)        (-1.028)        (-0.693)        (-0.244)
                                       
x7        49.70790        -38.59559*        -25.41783        71.16511        43.62679
        (0.313)        (-1.779)        (-1.213)        (0.681)        (0.185)
                                       
x8        -0.25289        0.01303        -0.49635        -0.26300        -0.41589
        (-1.158)        (0.582)        (-1.305)        (-0.936)        (-0.169)
                                       
lnx9        -13.78700        -0.28027        -6.62060        -8.61550        -0.67944
        (-0.782)        (-0.762)        (-1.069)        (-0.703)        (-0.072)
                                       
x10        8.61341        7.86750        7.20877        15.61020        -27.27434
        (0.437)        (0.758)        (0.667)        (0.763)        (-0.470)
                                       
x11        -0.10970        -0.03294        -0.17714        0.01664        -0.23015
        (-0.347)        (-0.926)        (-1.128)        (0.138)        (-0.319)
                                       
x12        -0.19258        -0.07859        -0.53431        -0.19144        -0.28379
        (-0.415)        (-1.282)        (-1.305)        (-0.698)        (-0.101)
                                       
x13        -1.50539        -2.89030        -0.68496        -2.61046        5.17454
        (-0.409)        (-1.016)        (-0.518)        (-0.704)        (0.465)
                                       
x14        0.61744        0.47049        0.78808        0.78870        -0.51840
        (0.717)        (0.929)        (1.316)        (0.785)        (-0.111)
Total                                       
x1        414.55268        94.27579*        372.92712        108.60406        565.32637
        (0.854)        (1.745)        (1.443)        (0.765)        (0.316)
                                       
x2        29.49893        12.23150*        36.16352        28.01145        -57.21996
        (0.452)        (1.671)        (0.716)        (0.553)        (-0.616)
                                       
x4        -37.01801        26.96357        0.65521        -11.93154        33.27207
        (-0.319)        (1.386)        (0.014)        (-0.239)        (0.246)
                                       
x5        39.66970        3.70290*        34.83600        27.57735        39.59206
        (0.794)        (1.789)        (1.198)        (0.695)        (0.262)
                                       
x6        -29.34884        0.38196        -19.34184        -25.96302        -16.22794
        (-0.590)        (0.454)        (-0.953)        (-0.654)        (-0.229)
                                       
x7        54.73291        -39.46137*        -21.61440        75.00140        52.32234
        (0.338)        (-1.767)        (-1.044)        (0.693)        (0.233)
                                       
x8        -0.22758        0.01079        -0.47232        -0.25574        -0.42078
        (-1.023)        (0.474)        (-1.242)        (-0.882)        (-0.186)
                                       
lnx9        -7.37691        0.02171        -2.94829        -7.69902        7.38754
        (-0.410)        (0.054)        (-0.469)        (-0.607)        (0.779)
                                       
x10        10.27877        9.74423        8.16545        16.25609        -28.69779
        (0.508)        (0.914)        (0.730)        (0.772)        (-0.516)
                                       
x11        -0.07560        -0.02935        -0.14506        0.02120        -0.21222
        (-0.233)        (-0.806)        (-0.896)        (0.170)        (-0.304)
                                       
x12        -0.15830        -0.07944        -0.51458        -0.18815        -0.27971
        (-0.333)        (-1.277)        (-1.239)        (-0.667)        (-0.108)
                                       
x13        -1.43493        -2.72448        -0.92877        -2.67150        5.31938
        (-0.375)        (-0.922)        (-0.664)        (-0.697)        (0.503)
                                       
x14        0.57170        0.45015        0.81278        0.79732        -0.53413
        (0.642)        (0.854)        (1.312)        (0.769)        (-0.125)
N        249        249        249        249        249
R2        0.402        0.200        0.571        0.173        0.287

LM检验
模型1：
                Diagnostics
------------------------------------------------------------
Test                           |  Statistic    df   p-value
-------------------------------+----------------------------
Spatial error:                 |
  Moran's I                    |     4.092      1    0.000
  Lagrange multiplier          |     9.639      1    0.002
  Robust Lagrange multiplier   |    20.236      1    0.000
                               |
Spatial lag:                   |
  Lagrange multiplier          |     0.568      1    0.451
  Robust Lagrange multiplier   |    11.165      1    0.001
------------------------------------------------------------               
模型2：
                Diagnostics
------------------------------------------------------------
Test                           |  Statistic    df   p-value
-------------------------------+----------------------------
Spatial error:                 |
  Moran's I                    |     1.387      1    0.166
  Lagrange multiplier          |     0.462      1    0.497
  Robust Lagrange multiplier   |     5.146      1    0.023
                               |
Spatial lag:                   |
  Lagrange multiplier          |     0.357      1    0.550
  Robust Lagrange multiplier   |     5.042      1    0.025
------------------------------------------------------------               

模型3：
Diagnostics
------------------------------------------------------------
Test                           |  Statistic    df   p-value
-------------------------------+----------------------------
Spatial error:                 |
  Moran's I                    |     2.120      1    0.034
  Lagrange multiplier          |     1.788      1    0.181
  Robust Lagrange multiplier   |     0.299      1    0.585
                               |
Spatial lag:                   |
  Lagrange multiplier          |     1.492      1    0.222
  Robust Lagrange multiplier   |     0.002      1    0.961
模型4：
Diagnostics
------------------------------------------------------------
Test                           |  Statistic    df   p-value
-------------------------------+----------------------------
Spatial error:                 |
  Moran's I                    |     3.027      1    0.002
  Lagrange multiplier          |     4.624      1    0.032
  Robust Lagrange multiplier   |     4.515      1    0.034
                               |
Spatial lag:                   |
  Lagrange multiplier          |     1.462      1    0.227
  Robust Lagrange multiplier   |     1.354      1    0.245
模型5：
Diagnostics
------------------------------------------------------------
Test                           |  Statistic    df   p-value
-------------------------------+----------------------------
Spatial error:                 |
  Moran's I                    |     1.095      1    0.273
  Lagrange multiplier          |     0.175      1    0.676
  Robust Lagrange multiplier   |     2.383      1    0.123
                               |
Spatial lag:                   |
  Lagrange multiplier          |     1.538      1    0.215
  Robust Lagrange multiplier   |     3.746      1    0.053
                               

wald检验：
模型1：
   1.整体拟合
  chi2( 13) =  137.45
   2.wald检验值
chi2(13) =       29.80
           Prob > chi2 =        0.0050
模型2：
   1.整体拟合
chi2( 12) = 1.9e+08
   2.wald检验值
chi2(13) =   104936.68
           Prob > chi2 =        0.0000


模型3：
   1.整体拟合
chi2( 13) =   84.43
   2.wald检验值
     chi2(13) =       31.48
           Prob > chi2 =        0.0029
模型4：
   1.整体拟合
   chi2( 11) =  330.75
   2.wald检验值
chi2(13) =    32280.76
           Prob > chi2 =        0.0000

模型5：
   1.整体拟合

  chi2( 13) =  140.76
   2.wald检验值
   chi2(13) =       38.36
           Prob > chi2 =        0.0003

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

分享0 收藏0 回帖

关键词：diagnostics spatial lag multiplier Diagnostic statistic