如何在R中实现对空间面板数据的LM检验

如下图，这是来自论文《中国县域经济收敛空间经济计量实证分析》中的截图，其中主要为几个空间面板数据的LM检验。

在R中可以使用spdep包做截面数据的上面几个LM检验，splm包虽然可以做空间面板数据的检验、模型估计，却没法做截图中的LM检验。在R的官网去找了一圈，网上也搜索了好久，始终找不到能做空间面板数据的LM检验。问过老师，stata也不能做，而MATLAB可以做，不过自己很喜欢R，不想为了一个检验去折腾MATLAB这么大型的软件，学习成本也很高。求大神指点，感激不尽！

如果真的找到了，请告诉我一声

ryoeng 发表于 2015-6-27 00:32
方便上载数据？

论文的相关数据倒是没有，我的数据是一些省区的县域数据，也没什么特别的

ryoeng 发表于 2015-6-27 16:53
问过老师，stata也不能做，而MATLAB可以做，不过自己很喜欢R，不想为了一个检验去折腾MATLAB这么大型的软 ...

能稍微介绍一下这个R扩展包吗？

国外早期做空间计量的学者大部分都在Gauss上完成开发和计算的，但Gauss国内使用得很少，空间计量相关教材完全没有。而MATLAB也有丰富的扩展包能做空间计量分析，个人感觉比stata和R丰富得多。打算以后都学一学，实现软件之间的互补吧。

我自己顶一下

不懂空间面板
但stata里面已经有了许多命令可以做了
好像每个命令有test的选项，可以报告一些检验结果



*** Spatial Econometrics Regression Models:

--------------------------------------------------------------------------------
*** (1) Spatial Panel Data Regression Models:
spregxt      Spatial Panel Regression Econometric Models: Stata Module Toolkit
gs2slsxt     Generalized Spatial Panel 2SLS Regression
gs2slsarxt   Generalized Spatial Panel Autoregressive 2SLS Regression
spglsxt      Spatial Panel Autoregressive Generalized Least Squares Regression
spgmmxt      Spatial Panel Autoregressive Generalized Method of Moments Regression
spmstarxt    (m-STAR) Spatial Lag Panel Models
spmstardxt   (m-STAR) Spatial Durbin Panel Models
spmstardhxt  (m-STAR) Spatial Durbin Multiplicative Heteroscedasticity Panel Models
spmstarhxt   (m-STAR) Spatial Lag Multiplicative Heteroscedasticity Panel Models
spregdhp     Spatial Panel Han-Philips Linear Dynamic Regression: Lag & Durbin Models
spregdpd     Spatial Panel Arellano-Bond Linear Dynamic Regression: Lag & Durbin Models
spregfext    Spatial Panel Fixed Effects Regression: Lag & Durbin Models
spregrext    Spatial Panel Random Effects Regression: Lag & Durbin Models
spregsacxt   MLE Spatial AutoCorrelation Panel Regression (SAC)
spregsarxt   MLE Spatial Lag Panel Regression (SAR)
spregsdmxt   MLE Spatial Durbin Panel Regression (SDM)
spregsemxt   MLE Spatial Error Panel Regression (SEM)
--------------------------------------------------------------------------------
*** (2) Spatial Cross Section Regression Models:
spregcs      Spatial Cross Section Regression Econometric Models: Stata Module Toolkit
gs2sls       Generalized Spatial 2SLS Cross Sections Regression
gs2slsar     Generalized Spatial Autoregressive 2SLS Cross Sections Regression
gs3sls       Generalized Spatial 3SLS Cross Sections Regression
gs3slsar     Generalized Spatial Autoregressive 3SLS Cross Sections Regression
spautoreg    Spatial Cross Section Regression Models
spgmm        Spatial Autoregressive GMM Cross Sections Regression
spmstar      (m-STAR) Spatial Lag Cross Sections Models
spmstard     (m-STAR) Spatial Durbin Cross Sections Models
spmstardh    (m-STAR) Spatial Durbin Multiplicative Heteroscedasticity Cross Sections Models
spmstarh     (m-STAR) Spatial Lag Multiplicative Heteroscedasticity Cross Sections Models
spregsac     MLE Spatial AutoCorrelation Cross Sections Regression (SAC)
spregsar     MLE Spatial Lag Cross Sections Regression (SAR)
spregsdm     MLE Spatial Durbin Cross Sections Regression (SDM)
spregsem     MLE Spatial Error Cross Sections Regression (SEM)
--------------------------------------------------------------------------------
*** (3) Tobit Spatial Regression Models:

*** (3-1) Tobit Spatial Panel Data Regression Models:
sptobitgmmxt Tobit Spatial GMM Panel Regression
sptobitmstarxtTobit (m-STAR) Spatial Lag Panel Models
sptobitmstardxtTobit (m-STAR) Spatial Durbin Panel Models
sptobitmstardhxtTobit (m-STAR) Spatial Durbin Multiplicative Heteroscedasticity Panel Models
sptobitmstarhxtTobit (m-STAR) Spatial Lag Multiplicative Heteroscedasticity Panel Models
sptobitsacxt Tobit MLE Spatial AutoCorrelation (SAC) Panel Regression
sptobitsarxt Tobit MLE Spatial Lag Panel Regression
sptobitsdmxt Tobit MLE Spatial Panel Durbin Regression
sptobitsemxt Tobit MLE Spatial Error Panel Regression
spxttobit    Tobit Spatial Panel Autoregressive GLS Regression
--------------------------------------------------------------
*** (3-2) Tobit Spatial Cross Section Regression Models:
sptobitgmm   Tobit Spatial GMM Cross Sections Regression
sptobitmstar Tobit (m-STAR) Spatial Lag Cross Sections Models
sptobitmstardTobit (m-STAR) Spatial Durbin Cross Sections Models
sptobitmstardhTobit (m-STAR) Spatial Durbin Multiplicative Heteroscedasticity Cross Sections
sptobitmstarhTobit (m-STAR) Spatial Lag Multiplicative Heteroscedasticity Cross Sections
sptobitsac   Tobit MLE AutoCorrelation (SAC) Cross Sections Regression
sptobitsar   Tobit MLE Spatial Lag Cross Sections Regression
sptobitsdm   Tobit MLE Spatial Durbin Cross Sections Regression
sptobitsem   Tobit MLE Spatial Error Cross Sections Regression
--------------------------------------------------------------------------------
*** (4) Spatial Weight Matrix:
spcs2xt      Convert Cross Section to Panel Spatial Weight Matrix
spweight     Cross Section and Panel Spatial Weight Matrix
spweightcs   Cross Section Spatial Weight Matrix
spweightxt   Panel Spatial Weight Matrix
--------------------------------------------------------------------------------

随便执行一个，命令自带的例子：你可以看到各种检验的结果。
但这些命令式非官方命令，不知道准确性如何。




. clear all

. sysuse spregsemxt.dta, clear

. spregsemxt y x1 x2 , nc(7) wmfile(SPWxt) mfx(lin) test

==============================================================================
*** Binary (0/1) Weight Matrix: 49x49 - NC=7 NT=7 (Non Normalized)
==============================================================================

initial:       log likelihood =  -187.4251
rescale:       log likelihood =  -187.4251
rescale eq:    log likelihood =  -187.4251
Iteration 0:   log likelihood =  -187.4251  
Iteration 1:   log likelihood =  -187.3013  
Iteration 2:   log likelihood = -187.29949  
Iteration 3:   log likelihood = -187.29949  
==============================================================================
* MLE Spatial Error Panel Normal Model (SEM)
==============================================================================
  y = x1 + x2
------------------------------------------------------------------------------
  Sample Size       =          49   |   Cross Sections Number   =           7
  Wald Test         =    144.2997   |   P-Value > Chi2(2)       =      0.0000
  F-Test            =     72.1499   |   P-Value > F(2 , 40)     =      0.0000
(Buse 1973) R2     =      0.7583   |   Raw Moments R2          =      0.9560
(Buse 1973) R2 Adj =      0.7099   |   Raw Moments R2 Adj      =      0.9473
  Root MSE (Sigma)  =      9.0116   |   Log Likelihood Function =   -187.2995
------------------------------------------------------------------------------
- R2h= 0.5523   R2h Adj= 0.4628  F-Test =   28.38 P-Value > F(2 , 40)  0.0000
- R2v= 0.5647   R2v Adj= 0.4776  F-Test =   29.83 P-Value > F(2 , 40)  0.0000
------------------------------------------------------------------------------
             |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
y            |
          x1 |  -.2848547   .1037195    -2.75   0.006    -.4881411   -.0815682
          x2 |  -1.593681   .3232377    -4.93   0.000    -2.227216   -.9601471
       _cons |   67.78676   5.045627    13.43   0.000     57.89751      77.676
-------------+----------------------------------------------------------------
     /Lambda |    .009203   .0232009     0.40   0.692      -.03627    .0546759
      /Sigma |   11.06048   1.117298     9.90   0.000     8.870613    13.25034
------------------------------------------------------------------------------
LR Test SEM vs. OLS (Lambda=0):   0.1573   P-Value > Chi2(1)   0.6916
Acceptable Range for Lambda:     -0.5201 < Lambda < 0.3115
------------------------------------------------------------------------------

==============================================================================
* Panel Model Selection Diagnostic Criteria
==============================================================================
- Log Likelihood Function                   LLF            =   -187.2995
---------------------------------------------------------------------------
- Akaike Information Criterion              (1974) AIC     =     74.9280
- Akaike Information Criterion              (1973) Log AIC =      4.3165
---------------------------------------------------------------------------
- Schwarz Criterion                         (1978) SC      =     84.1292
- Schwarz Criterion                         (1978) Log SC  =      4.4324
---------------------------------------------------------------------------
- Amemiya Prediction Criterion              (1969) FPE     =     86.1804
- Hannan-Quinn Criterion                    (1979) HQ      =     78.2941
- Rice Criterion                            (1984) Rice    =     75.5428
- Shibata Criterion                         (1981) Shibata =     74.4101
- Craven-Wahba Generalized Cross Validation (1979) GCV     =     75.2215
------------------------------------------------------------------------------

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

- GLOBAL Moran MI            =   0.1131     P-Value > Z( 1.177)   0.2393
- GLOBAL Geary GC            =   0.8362     P-Value > Z(-1.161)   0.2456
- GLOBAL Getis-Ords GO       =  -0.3230     P-Value > Z(-1.177)   0.2393
------------------------------------------------------------------------------
- Moran MI Error Test        =   0.5410     P-Value > Z(4.938)    0.5885
------------------------------------------------------------------------------
- LM Error (Burridge)        =   0.5962     P-Value > Chi2(1)     0.4400
- LM Error (Robust)          =   1.2481     P-Value > Chi2(1)     0.2639
------------------------------------------------------------------------------
  Ho: Spatial Lagged Dependent Variable has No Spatial AutoCorrelation
  Ha: Spatial Lagged Dependent Variable has    Spatial AutoCorrelation

- LM Lag (Anselin)           =   0.1395     P-Value > Chi2(1)     0.7088
- LM Lag (Robust)            =   0.7914     P-Value > Chi2(1)     0.3737
------------------------------------------------------------------------------
  Ho: No General Spatial AutoCorrelation
  Ha:    General Spatial AutoCorrelation

- LM SAC (LMErr+LMLag_R)     =   1.3876     P-Value > Chi2(2)     0.4997
- LM SAC (LMLag+LMErr_R)     =   1.3876     P-Value > Chi2(2)     0.4997
------------------------------------------------------------------------------

==============================================================================
*** Panel Heteroscedasticity Tests
==============================================================================
  Ho: Panel Homoscedasticity - Ha: Panel Heteroscedasticity

- Engle LM ARCH Test AR(1): E2 = E2_1   =   0.3297   P-Value > Chi2(1)  0.5658
------------------------------------------------------------------------------
- Hall-Pagan LM Test:   E2 = Yh         =   0.0376   P-Value > Chi2(1)  0.8462
- Hall-Pagan LM Test:   E2 = Yh2        =   0.0066   P-Value > Chi2(1)  0.9355
- Hall-Pagan LM Test:   E2 = LYh2       =   0.0105   P-Value > Chi2(1)  0.9184
------------------------------------------------------------------------------
- Harvey LM Test:    LogE2 = X          =   4.7766   P-Value > Chi2(2)  0.0918
- Wald Test:         LogE2 = X          =  11.7859   P-Value > Chi2(1)  0.0006
- Glejser LM Test:     |E| = X          =   8.4592   P-Value > Chi2(2)  0.0146
- Breusch-Godfrey Test:  E = E_1 X      =  10.3725   P-Value > Chi2(1)  0.0013
------------------------------------------------------------------------------
- Machado-Santos-Silva Test: Ev=Yh Yh2  =   0.0942   P-Value > Chi2(2)  0.9540
- Machado-Santos-Silva Test: Ev=X       =   7.1616   P-Value > Chi2(2)  0.0279
------------------------------------------------------------------------------
- White Test - Koenker(R2): E2 = X      =   9.3655   P-Value > Chi2(2)  0.0093
- White Test - B-P-G (SSR): E2 = X      =  13.4664   P-Value > Chi2(2)  0.0012
------------------------------------------------------------------------------
- White Test - Koenker(R2): E2 = X X2   =  10.6604   P-Value > Chi2(4)  0.0307
- White Test - B-P-G (SSR): E2 = X X2   =  15.3285   P-Value > Chi2(4)  0.0041
------------------------------------------------------------------------------
- White Test - Koenker(R2): E2 = X X2 XX=  24.9508   P-Value > Chi2(5)  0.0001
- White Test - B-P-G (SSR): E2 = X X2 XX=  35.8762   P-Value > Chi2(5)  0.0000
------------------------------------------------------------------------------
- Cook-Weisberg LM Test: E2/S2n = Yh    =   0.0541   P-Value > Chi2(1)  0.8161
- Cook-Weisberg LM Test: E2/S2n = X     =  13.4664   P-Value > Chi2(2)  0.0012
------------------------------------------------------------------------------
*** Single Variable Tests (E2/Sig2):
- Cook-Weisberg LM Test: x1                =   4.4590 P-Value > Chi2(1) 0.0347
- Cook-Weisberg LM Test: x2                =   2.3833 P-Value > Chi2(1) 0.1226
------------------------------------------------------------------------------
*** Single Variable Tests:
- King LM Test: x1                         =   0.5462 P-Value > Chi2(1) 0.4599
- King LM Test: x2                         =   2.8806 P-Value > Chi2(1) 0.0897
------------------------------------------------------------------------------

==============================================================================
* Panel Groupwise Heteroscedasticity Tests
==============================================================================
  Ho: Panel Homoscedasticity - Ha: Panel Groupwise Heteroscedasticity

- Lagrange Multiplier LM Test     =   7.3373     P-Value > Chi2(6)   0.2908
- Likelihood Ratio LR Test        =   7.1253     P-Value > Chi2(6)   0.3094
- Wald Test                       =  12.4812     P-Value > Chi2(7)   0.0858
------------------------------------------------------------------------------

==============================================================================
* Panel Non Normality Tests
==============================================================================
Ho: Normality - Ha: Non Normality
------------------------------------------------------------------------------
*** Non Normality Tests:
- Jarque-Bera LM Test                  =   2.3681     P-Value > Chi2(2) 0.3060
- White IM Test                        =  13.4493     P-Value > Chi2(2) 0.0012
- Doornik-Hansen LM Test               =   4.3890     P-Value > Chi2(2) 0.1114
- Geary LM Test                        =  -0.7192     P-Value > Chi2(2) 0.6980
- Anderson-Darling Z Test              =   0.3158     P > Z( 0.173)     0.5686
- D'Agostino-Pearson LM Test           =   3.2953     P-Value > Chi2(2) 0.1925
------------------------------------------------------------------------------
*** Skewness Tests:
- Srivastava LM Skewness Test          =   0.8022     P-Value > Chi2(1) 0.3704
- Small LM Skewness Test               =   0.9696     P-Value > Chi2(1) 0.3248
- Skewness Z Test                      =  -0.9847     P-Value > Chi2(1) 0.3248
------------------------------------------------------------------------------
*** Kurtosis Tests:
- Srivastava  Z Kurtosis Test          =   1.2514     P-Value > Z(0,1)  0.2108
- Small LM Kurtosis Test               =   2.3257     P-Value > Chi2(1) 0.1272
- Kurtosis Z Test                      =   1.5250     P-Value > Chi2(1) 0.1272
------------------------------------------------------------------------------
    Skewness Coefficient = -0.3134     - Standard Deviation =  0.3398
    Kurtosis Coefficient =  3.8758     - Standard Deviation =  0.6681
------------------------------------------------------------------------------
    Runs Test: (23) Runs -  (25) Positives - (24) Negatives
    Standard Deviation Runs Sig(k) =  3.4619 , Mean Runs E(k) = 25.4898
    95% Conf. Interval [E(k)+/- 1.96* Sig(k)] = (18.7045 , 32.2751 )
------------------------------------------------------------------------------

* Marginal Effect - Elasticity: Linear *

+---------------------------------------------------------------------------+
|   Variable | Marginal_Effect(B) |     Elasticity(Es) |               Mean |
|------------+--------------------+--------------------+--------------------|
|y           |                    |                    |                    |
|         x1 |            -0.2849 |            -0.3117 |            38.4362 |
|         x2 |            -1.5937 |            -0.6521 |            14.3749 |
+---------------------------------------------------------------------------+
Mean of Dependent Variable =     35.1288

.