1、精選優質文檔-傾情為你奉上空間計量經濟學基本模型的matlab估計專心-專注-專業一、空間滯后模型sar（）=Ø 函數功能估計空間滯后模型（空間自回歸-回歸模型）中的未知參數、和2。=Ø 使用方法res=sar(y，x，W，info）*res： 存儲結果的變量；y： 被解釋變量；x： 解釋變量；w： 空間權重矩陣；info：結構化參數，具體可使用 help sar 語句查看=Ø 注意事項1) WW為權重矩陣，因為是稀疏矩陣，原始數據通常以n×3的數組形式存儲，需要用sparse函數轉換為矩陣形式。*2) ydev（不再需要）sar函數求解的標準模型可以包

2、含常數項，被解釋變量（因變量）y，不再需要轉換為離差形式（ydev）。*3) x需要注意x的生成方式，應將常數項包括在內。*4) infoinfo為結構化參數，事前賦值；通常調整info.lflag（標準n?1000）、info.rmin和info.rmax。*5) vnames在輸出結果中說明被解釋變量。使用方法：vnames=strvcat(variable name1,variable name2);*6) Asymptotic t-stat（漸進t統計量）rho的檢驗：漸進t分布，估計值的顯著性使用相應的Z概率表示。=Ø 應用實例估計地區投票率受周邊地區投票率的影響程度

3、52; 案例素材1997年，Pace等人研究了美國3107個縣的選舉投票率影響因素，運用的是美國1980年大選的公開投票數據，形成了一個包含3107個樣本數據的截面數據集elect.dat。可以通過matlab軟件打開elect.dat查看，并打開elect.txt查看各列數據的含義。ü 計量模型認為各縣的投票率受到相鄰地區投票率的影響，同時，還受到選民教育水平、選民住房情況、選民收入水平的影響，據此得到如下計量模型：y=0+Wy+x+N（0，2In）轉換為：y=Wy+1 x0 +N（0，2In）ü 程序語句l 1）近似估計缺省設置：info.lflag=1注意取對數值，得

4、到y，x。l 2）精確估計info.lflag=0ü 運行結果=xy2cont（）v 函數功能：使用地區x坐標和y坐標，生成空間鄰接矩陣。v 使用方法：W1 W2 W3=xy2cont(x,y)其中，W2是行標準化后的空間鄰接矩陣。v 一個例子：使用anselin數據，生成w，并與wmat比較其差異。=二、空間誤差模型sem（）=Ø 函數功能估計空間誤差模型中的未知參數、和2。=Ø 使用方法res=sem(y，x，W，info）*res： 存儲結果的變量；y： 被解釋變量；x： 解釋變量；w： 空間權重矩陣；info：結構化參數，具體可使用 help sem 語句

5、查看=Ø 注意事項1) xx應將常數項包括在內。*2) infoinfo為結構化參數，事前賦值；通常調整info.lflag（標準n?1000）、info.rmin和info.rmax。*3) vnames在輸出結果中說明被解釋變量。使用方法：vnames=strvcat(variable name1,variable name2);*=Ø 應用實例估計地區投票率受周邊地區投票率的影響程度ü 案例素材1997年，Pace等人研究了美國3107個縣的選舉投票率影響因素，運用的是美國1980年大選的公開投票數據，形成了一個包含3107個樣本數據的截面數據集elect.

6、dat。可以通過matlab軟件打開elect.dat查看，并打開elect.txt查看各列數據的含義。ü 計量模型認為各縣的投票率受到相鄰地區投票率的影響，同時，還受到選民教育水平、選民住房情況、選民收入水平的影響，據此得到如下計量模型：y=0+x+uu=Wu+N（0，2In）轉換為：y=1 x0 +uu=Wu+N（0，2In）ü 程序語句l 1）近似估計缺省設置：info.lflag=1注意取對數值，得到y，x。l 2）精確估計info.lflag=0ü 運行結果=Ø 誤差項空間依賴性的檢驗*1) Moran I統計量檢驗v 使用方法：res=mor

7、an（y,x,W）;prt(res);*2) 似然比檢驗（lratios）v 使用方法：res=lratios（y,x,W）;prt(res);*3) 拉格朗日乘子（LM）檢驗v 使用方法：res=lmerror（y,x,W）;prt(res);*4) 沃德（Walds）檢驗v 使用方法：res=walds（y,x,W）;prt(res);*5) 基于sar殘差的檢驗v 使用方法：res=lmsar（y,x,W1,W2）;prt(res);=三、空間杜賓模型sdm（）=Ø 函數功能估計空間杜賓模型中的未知參數、1、2和2。=Ø 使用方法res=sdm(y，X，W，info）

8、*info：結構化參數，具體可使用 help sdm 語句查看=Ø 注意事項1) X模型中，第一個X包括常數項，第二個未包括常數項。但程序中的X應將常數項包括在內，程序會自動處理。*2) infoinfo為結構化參數，事前賦值；通常調整info.lflag（標準n?1000）、info.rmin和info.rmax。*=Ø 應用實例1) 估計地區犯罪率受周邊地區犯罪率的影響程度ü 案例素材Anselin在1980年研究了美國俄亥俄州（Ohio）哥倫布市（Columbus）49個縣的犯罪率影響因素，形成了一個包含49個樣本數據的截面數據集anselin.dat。可以

9、通過matlab軟件打開anselin.dat查看，并打開anselin.txt查看各列數據的含義。ü 計量模型y=0+Wy+x1+Wx2+N（0，2In）ü 程序語句l 1）近似估計 缺省設置info.lflag=1；或者info.lflag=2。l 2）精確估計 更改設置：info.lflag=0ü 運行結果2) 估計地區投票率受周邊地區投票率的影響程度ü 案例素材1997年，Pace等人研究了美國3107個縣的選舉投票率影響因素，運用的是美國1980年大選的公開投票數據，形成了一個包含3107個樣本數據的截面數據集elect.dat。可以通過mat

10、lab軟件打開elect.dat查看，并打開elect.txt查看各列數據的含義。ü 計量模型ü 程序語句l 1）近似估計缺省設置：info.lflag=1；或者info.lflag=2.注意y的取值問題：用點除（./）l 2）精確估計由于n>1000，只能使用近似估計。ü 運行結果=四、廣義空間模型sac（）=Ø 函數功能估計廣義空間模型y=W1y+x+uu=W2u+N（0，2In）中的未知參數、和2。=Ø 使用方法res=sac(y，X，W1，W2，info）=Ø 高階鄰接矩陣的生成slag（） Wp=slag（W，p）注意：不包括低階鄰接。=Ø 應用實例1) 估計地區犯罪率受周邊地區犯罪率的影響程度2) 估計地區投票率受周邊地區投票率的影響程度=練習作業1) 估計地區犯罪率受周邊地區犯罪率以及其他因素的影響程度數據：Anselin（1980）。方法：采用精確估計，分別采用空間滯后、空間誤差、空間杜賓和廣義空間模型估計。具體任務：分別按照不同的模型，（1）編寫運算語句；（2