空间计量经济学简介教学讲义.ppt

天行健，君子以自强不息；地势坤，君子以厚德载物。 估计技术 鉴于空间回归模型由于自变量的内生性，对于上述两种模型的估计如果仍采用OLS，系数估计值会有偏或者无效，需要通过IV、ML或GLS、GMM等其他方法来进行估计。 Anselin（1988）建议采用极大似然法估计空间滞后模型（SLM）和空间误差模型（SEM）的参数。 空间自相关检验与SLM、SEM的选择 判断地区间创新产出行为的空间相关性是否存在，以及SLM和SEM那个模型更恰当，一般可通过包括Moran’s I检验、两个拉格朗日乘数（Lagrange Multiplier）形式LMERR、LMLAG及其稳健（Robust）的R-LMERR、R-LMLAG）等形式来实现。 由于事先无法根据先验经验推断在SLM和SEM模型中是否存在空间依赖性，有必要构建一种判别准则，以决定哪种空间模型更加符合客观实际。 空间自相关检验与SLM、SEM的选择 Anselin和Florax（1995）提出了如下判别准则：如果在空间依赖性的检验中发现LMLAG较之LMERR在统计上更加显著，且R-LMLAG显著而R-LMERR不显著，则可以断定适合的模型是空间滞后模型；相反，如果LMERR比LMLAG在统计上更加显著，且R-LMERR显著而R-LMLAG不显著，则可以断定空间误差模型是恰当的模型。 空间自相关检验与SLM、SEM的选择 除了拟合优度R2检验以外，常用的检验准则还有：自然对数似然函数值（Log likelihood，LogL）、似然比率（Likelihood Ratio，LR）、赤池信息准则（Akaike information criterion，AIC）、施瓦茨准则（Schwartz criterion，SC）。 对数似然值越大，AIC和SC值越小，模型拟合效果越好。这几个指标也用来比较OLS估计的经典线性回归模型和SLM、SEM，似然值的自然对数最大的模型最好。 空间变系数回归模型及估计 就目前国内外的研究来看，大多直接假定横截面单元是同质的，即地区或企业之间没有差异。 传统的OLS只是对参数进行“平均”或“全域”估计，不能反映参数在不同空间的空间非稳定性（吴玉鸣，李建霞，2006；苏方林，2007）。 空间变系数回归模型及估计 当用横截面数据建立计量经济学模型时，由于这种数据在空间上表现出的复杂性、自相关性和变异性，使得解释变量对被解释变量的影响在不同区域之间可能是不同的，假定区域之间的经济行为在空间上具有异质性的差异可能更加符合现实。 空间变系数回归模型及估计 空间变系数回归模型（Spatial Varying-Coefficient Regression Model）中的地理加权回归模型（Geographical Weighted Regression，GWR）是一种解决这种问题的有效方法。 地理加权回归模型GWR 地理加权回归模型是一种相对简单的回归估计技术，它扩展了普通线性回归模型。 在扩展的GWR模型中，特定区位的回归系数不再是利用全部信息获得的假定常数，而是利用邻近观测值的子样本数据信息进行局域（Local）回归估计而得的、随着空间上局域地理位置变化而变化的变数，GWR模型可以表示为： 地理加权回归模型GWR 式中， 系数的下标j表示与 观测值联系的阶待估计参数向量，是关于地理位置 的k+1元函数。GWR可以对每个观测值估计出k个参数向量的估计值， 是第i个区域的随机误差，满足零均值、同方差、相互独立等球形扰动假定。 地理加权回归模型GWR 实际上，以上模型可以表示为在每个区域都有一个对应的估计函数，其对数似然函数可以表示为： 地理加权回归模型 式中， 为常数， 。 由于极大似然法（ML）的解不是唯一的，Hastie和Tibshirani（1993）认为用该方法求解是不恰当的。Tibshirani和Hastie（1987）提出了局域求解法，原理与方法如下： 对于第s个空间位置 ，任取一空间位置 与其位置邻近，构造一个简单的回归模型： 地理加权回归模型GWR 式中，每个 为常数且为GWR模型中 的近似值，通过考虑与点 相邻近的点来校正经典回归模型中的解。一个基本的方法就是采用加权最小二乘法（WLS），寻找合适的使得下式最小： 地理加权回归模型GWR 式中， 为位置 和 之间的空间距离， 为空间权值。令