空间计量模型及 Stata 具体操作步骤

news2024/10/3 8:30:53

目录

一、引言

二、空间计量模型理论原理

空间自回归模型(SAR):

空间误差模型(SEM):,

空间杜宾模型(SDM):

三、实证模型构建

四、数据准备

五、Stata 操作步骤

六、结果解读


一、引言

空间计量经济学在研究具有空间相关性的数据时具有重要作用。本文将构建一个关于地区经济增长与相关因素的实证模型,并详细介绍在 Stata 中的操作流程。

二、空间计量模型理论原理

空间计量模型主要包括空间自回归模型(SAR)、空间误差模型(SEM)和空间杜宾模型(SDM)等。

  1. 空间自回归模型(SAR):

  2. 空间误差模型(SEM):,

  3. 空间杜宾模型(SDM):

三、实证模型构建

假设我们要研究地区经济增长(gdp_growth)与固定资产投资(investment)、劳动力数量(labor)和科技创新水平(tech_innovation)之间的关系,并考虑空间效应。

  1. 因变量:地区 GDP 增长(gdp_growth
  2. 自变量:固定资产投资(investment)、劳动力数量(labor)、科技创新水平(tech_innovation

四、数据准备

我们假设有一个包含多个地区观测值的数据集,其中包括上述变量,以及地区之间的空间邻接矩阵(W_matrix)。

五、Stata 操作步骤

  1. 安装所需的命令

ssc install spatreg

  1. 导入数据

use "your_data_file.dta"

  1. 定义空间权重矩阵

spatwmat using "W_matrix.dta", name(W) standardize

  1. 空间自回归模型(SAR)估计

    • 执行以下代码进行 SAR 模型的估计:

    spatreg gdp_growth investment labor tech_innovation, wmat(W) model(sar)

  • 代码解释:
    • gdp_growth 是因变量,investmentlabor 和 tech_innovation 是自变量。
    • wmat(W) 用于指定使用之前定义的空间权重矩阵 W 。
    • model(sar) 明确指定使用空间自回归模型。
  • 运行结果:
    • 输出结果将包括模型的估计参数、标准误、t 值、p 值等。
    • 还会提供一些模型整体的拟合优度指标,如 R-squared 等。

  1. 空间误差模型(SEM)估计

    • 以下是 SEM 模型估计的代码:

    spatreg gdp_growth investment labor tech_innovation, wmat(W) model(sem)

  • 代码解释与 SAR 模型类似,只是模型类型指定为 sem 。
  • 运行结果:
    • 同样会输出参数估计值、标准误等统计量。
    • 以及用于评估模型拟合效果的相关指标。

  1. 空间杜宾模型(SDM)估计

    • 执行以下代码进行 SDM 模型的估计:

    spatreg gdp_growth investment labor tech_innovation, wmat(W) model(sdm)

  • 代码解释:与前两个模型的区别在于模型类型指定为 sdm 。
  • 运行结果:
    • 提供 SDM 模型的参数估计结果和模型评估指标。

  1. 模型比较与选择

    • 可以通过比较不同模型的拟合优度指标(如 Log likelihood、AIC、BIC 等)来选择最适合的模型。
  2. 稳健性检验

    • 改变空间权重矩阵的定义方式:

    // 假设新的空间权重矩阵为 W2
    spatwmat using "W2_matrix.dta", name(W2) standardize
    spatreg gdp_growth investment labor tech_innovation, wmat(W2) model(sar) 

  • 纳入更多控制变量:

    spatreg gdp_growth investment labor tech_innovation control_variable1 control_variable2, wmat(W) model(sar)

六、结果解读

对于估计结果,主要关注以下几个方面:

  1. 系数的显著性和符号,判断自变量对因变量的影响方向和程度。

  2. 空间自回归系数()或空间误差系数()的显著性,以确定空间效应的存在和强度。

  3. 比较不同模型的拟合优度等指标,选择最适合的模型。

  4. 对于稳健性检验的结果,观察改变条件后模型参数估计值和统计显著性的变化,以评估模型的稳定性。

2000-2022年地级市数字经济指数(含控制变量)

 

空间计量经济学与Stata操作 - 知乎 (zhihu.com)icon-default.png?t=N7T8https://zhuanlan.zhihu.com/p/273300951 

Stata:空间计量模型双权重-spm (lianxh.cn)icon-default.png?t=N7T8https://www.lianxh.cn/news/e68b54462758e.html 

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/1912329.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

怎么将几首音乐合并在一起?这四种合并方法大家都在用!

怎么将几首音乐合并在一起?在音乐的海洋中遨游时,我们是否曾被音乐的海洋所淹没?在享受旋律的流转中,我们是否频繁地在不同的曲目间穿梭,仿佛迷失在无尽的音符之中?但音乐数量的繁多,不仅带来了…

VMware vSAN替换存储解决方案如何选择?

What is vSAN ? 是一款软件定义的企业存储解决方案,支持超融合基础架构系统。vSAN与VMware vSphere 完全集成在一起,作为ESXi Hypervisor内的分布式软件层,通过整合、池化ESXi各个主机上的存储资源,为vSphere虚拟化平…

【数据分享】1981—2023年中国逐日归一化植被指数(NDVI)栅格数据

NDVI,全名为Normalized Difference Vegetation Index,中文名称为归一化植被指数。这个指数可以用来定性和定量评价植被覆盖及其生长活力,我们也可以简单地将它理解为体现植被密度和健康状况的一个指标。 本次我们给大家分享的是1981年6月24日…

【计算几何】凸包问题 (Convex Hull)

【计算几何】凸包问题 (Convex Hull) 引言 凸多边形 凸多边形是指所有内角大小都在 [ 0 , π ] [0,π] [0,π]范围内的简单多边形 凸包 在平面上能包含所有给定点的最小凸多边形叫做凸包。 其定义为:对于给定集合 X,所有包含 X 的凸集的交集 S 被称…

苍穹外卖--编辑员工和根据id查询员工信息

查询员工信息 编辑员工 package com.sky.controller.admin;import com.sky.constant.JwtClaimsConstant; import com.sky.dto.EmployeeDTO; import com.sky.dto.EmployeeLoginDTO; import com.sky.dto.EmployeePageQueryDTO; import com.sky.entity.Employee; import com.sky…

oracle索引字段存储数据过长,导致索引失效

1:短位数据,索引生效 2:长位索引,索引不生效 此问题发现于6月中旬,线上问题优化。引以为戒。 解决: 并未解决索引不生效问题, 但是基于优化查询,是的查询保持毫秒级

21.呼吸灯拓展练习,控制四颗led以不同的频率“呼吸”

(1)Verilog代码: module ex_breath_led(clk,reset_n,led_out);input clk;input reset_n;output [3:0]led_out;reg [5:0]cnt_1us;reg [9:0]cnt_1ms;reg [10:0]cnt_2ms;reg [11:0]cnt_4ms;reg [12:0]cnt_8ms;reg [9:0]cnt_1s;reg overturn;par…

2024 Q3 NAND闪存价格|企业级依然猛涨,消费级放缓

在企业领域持续投资于服务器基础设施,特别是在人工智能应用的推动下,企业级SSD需求增加的同时,消费电子市场却依旧疲软。加之NAND供应商在2024年下半年积极扩大生产,预计到2024年第三季度,NAND闪存供应充足率将上升至2…

【CPP】CPP的命名空间输入输出缺省参数函数重载

目录 1 命名空间 -- namespace2 CPP的输入与输出(io)2.1 输入输出流的一些规定2.2 实操一下2.3 关于endl2.4 关于精度控制2.5 效率提高 3 缺省参数(默认参数)3.1 样例3.2 全缺省与半缺省3.3 缺省参数的意义 4 函数重载4.1 函数重载的基本使用4.2 函数重载调用歧义 这里是oldkin…

产品原型设计:从概念到实现的完整指南

如果你是一位产品经理,那么你一定会和原型图打交道,产品原型是产品设计方案和底层逻辑的可视化表达,需要完整清晰地表达出产品目的及需求,在整个产品创造的过程中发挥着不可或缺的作用。而对于一些刚入行的产品经理来说&#xff0…

Docker学习笔记(三)Dockerfile

一、什么是Dockerfile Dockerfile 是一个用于自动化构建 Docker 镜像的文本文件,其中包含了从一个基础镜像开始,到最终形成所需定制镜像的所有指令集。这个文件中的每一条指令都对应着构建镜像过程中的一个步骤或一层,指导 Docker 如何安装软…

tk 文本生成器

import random import tkinter as tk import ttkbootstrap as ttk from tkinter import messagebox import pyperclipdef wenben_run():def generate_text(original_text, length):# 去掉原始文本中的换行符和空格original_text original_text.replace(\n, )original_text or…

【文档智能】LACE:帮你自动生成文档布局的方法浅尝

前言 往期很多文章都介绍了【文档智能】上布局识别(版式分析)的技术思路,版式分析是通过对文档版式进行布局识别,识别文档中的元素类型的过程。这次来看看一个有趣的思路,通过已有的元素类型,来生成可控的…

解决安卓tv 蓝牙遥控器配对后输入法弹不出来的问题

t972在蓝牙配对后,自带的LatinIME 输入法会出现弹不出来的现象。 经过分析,主要为蓝牙的kl 文件适配存在问题。解决如下: 1.新建 kl文件Vendor_2b54_Product_1600.kl 放到 /vendor/usr/keylayout/下 内容: #for bl remote add by jason 20240709 key 113 VOLUME_MUTE …

【RAG KG】GraphRAG开源:查询聚焦摘要的图RAG方法

前言 传统的 RAG 方法在处理针对整个文本语料库的全局性问题时存在不足,例如查询:“数据中的前 5 个主题是什么?” 对于此类问题,是因为这类问题本质上是查询聚焦的摘要(Query-Focused Summarization, QFS&#xff09…

FL Studio 24.1.1.4234 (Windows) / 24.1.1.3884 (Mac OS X)

FL Studio 24.1.1.4234 (Windows) / 24.1.1.3884 (Mac OS X) 主页多媒体音频编辑FL Studio 24.1.1.4234 (Windows) / 24.1.1.3884... FL Studio 图标 FL Studio(前身为 FruityLoops)是一款功能强大的音乐制作环境或数字音频工作站(DAW&#x…

用于视频生成的扩散模型

学习自https://lilianweng.github.io/posts/2024-04-12-diffusion-video/ 文章目录 3D UNet和DiTVDMImagen VideoSora 调整图像模型生成视频Make-A-Video(对视频数据微调)Tune-A-VideoGen-1视频 LDMSVD稳定视频扩散 免训练Text2Video-ZeroControlVideo 参…

鸿蒙开发:Universal Keystore Kit(密钥管理服务)【密钥协商(ArkTS)】

密钥协商(ArkTS) 以协商密钥类型为X25519 256,并密钥仅在HUKS内使用为例,完成密钥协商。 开发步骤 生成密钥 设备A、设备B各自生成一个非对称密钥,具体请参考[密钥生成]或[密钥导入]。 密钥生成时,可指定参数HUKS_TAG_DERIVE…

STL--栈(stack)

stack 栈是一种只在一端(栈顶)进行数据插入(入栈)和删除(出栈)的数据结构,它满足后进先出(LIFO)的特性。 使用push(入栈)将数据放入stack,使用pop(出栈)将元素从容器中移除。 使用stack,必须包含头文件: #include<stack>在头文件中,class stack定义如下: namespace std…

前端面试题32(浅谈前端热部署)

前端热部署&#xff08;Hot Deployment&#xff09;是指在开发过程中&#xff0c;当开发者修改了前端代码后&#xff0c;这些修改能够立即反映到正在运行的前端应用上&#xff0c;而无需重新启动整个应用或服务器。这种能力极大地提高了开发效率&#xff0c;因为开发者可以即时…