自动安装:net install sg162.pkg
手动安装:findit spatreg
(1)空间权重矩阵采用普通0-1邻接矩阵的论文较少,一般采用地理距离矩阵+与研究方向有关的权重矩阵,例如经济距离矩阵、技术距离矩阵等等。以下图中的权重矩阵设定为例(摘自:金融集聚与绿色发展_基于水平与效率的双维视角_袁华锡),个人认为在权重的赋予上最好保持变量的数值大小相差不大,例如陈强老师的书上地理距离矩阵是1/d,这篇文章是1/d方,在纳入技术水平的因素时分子也是IL*IL,相当于平方项。当然,如设置权重是一项很主观的工作,建议多参考一些与研究方向相关论文的矩阵设定。
我在这里简单写一下权重矩阵在stata中的设定,具体内容可以参考陈强老师的《高级计量经济学及stata的应用》。
这里以30个省份的邻接矩阵为例,p1-p30代表30个省份,省份相邻赋值1,否则为0,该矩阵是未标准化的(注意:在进行面板数据的回归时必须用标准化的矩阵否则会报错!)保存至该路径下:C:\Users\Desktop\权重矩阵.dta
spatwmat using C:\Users\Desktop\权重矩阵.dta, name(w) standardize ///设定标准化的权重矩阵
use "C:\Users\Desktop\数据.dta",clear ///打开主要变量的数据文档
接着可以进行下一步操作啦!
(2)莫兰指数检验变量是否具有空间效应可以看莫兰指数、Geary‘s c指数等。莫兰指数又分为全局莫兰指数和局部莫兰指数,大部分论文列示的是各期间的全局莫兰指数。值得注意的是莫兰指数只能衡量截面空间效应,得分期间进行计算。
spatgsa x,weights(w) moran twotail ///全局莫兰指数
spatlsa x,weights(w) moran twotail ///局部莫兰指数
注:twotail表示既可能存在正的空间效应也可能存在负的空间效应,默认是onetail,即只存在正的空间效应。加上twotail之后显著性会下降,需要根据论文需求选择合适的检验方式。
(3)模型的选取
看了许多空间面板模型的实证,发现大多是用LM及Robust LM检验采用空间滞后模型或是空间误差模型(我也google了一些方法,有说stata不能做LM检验的,matlab可以做,我不太确定这一点?有小伙伴知道可以告诉我下~)
接着用LR检验和Wald检验是否采用空间杜宾模型。空间自回归与空间误差都是空间杜宾的特殊形式,如果在LR和Wald的检验下p值小于10%表明拒绝“计量模型退化为空间自相关模型(SAR)”与“计量模型退化为空间误差模型(SEM)”的原假设。
stata命令为:
xsmle y x1 x2 x3,model(sdm) wmat(w) nolog noeffects
est store sdm
xsmle y x1 x2 x3,model(sar) wmat(w) nolog noeffects
est store sar
xsmle y x1 x2 x3,model(sem) emat(w) nolog noeffects
est store sem
lrtest sdm sar
lrtest sdm sem
根据LR检验选定模型后可以分为固定效应模型和随机效应模型,这里以空间杜宾模型为例:
xsmle y x1 x2 x3,model(sdm) wmat(wdis) nolog noeffects re
est store re_
xsmle y x1 x2 x3,model(sdm) wmat(wdis) durbin(x1 x2) nolog noeffects re ///这里用durbin(var)去掉空间滞后系数不显著的解释变量,假设结果的Wx中x1 x2系数是显著的。
est store re
xsmle y x1 x2 x3,model(sdm) wmat(wdis) durbin(x1 x2) nolog noeffects fe
est store fe
hausman fe re
豪斯曼检验结果显著则可以采用固定效应模型,否则用随机效应模型。
**我在操作过程中遇到的报错情况**
1.权重矩阵未标准化
2.有个别数据缺失(一定要是strong balanced的面板才能做噢!)
就写这么多啦,算不上是教程应该就是做实证过程中的一点心得分享吧,也存在很多错误欢迎各位小伙伴批评指正,我们共同进步!