空间回归模型选择的再思考.pdfVIP

空间回归模型选择的再思考

一、空间计量模型

空间计量是近年来学术界最受关注的课题。空间计量经济学一术语最早是由Paelinck

和Klaassen提出

空间计量经济学模型在国内外的各个学科应用非常广泛，已经得到『学术界的认可。在空

间计量经济学发展的近4c年中，出现了多种空间计量经济学模型。其中，应用最为广泛的

有两个模型：空间滞后模型和空间误差模型。近年来，两个基本的空间计量模型在实证分

析中应用卜分广泛,尤其是空间滞后模型及其衍生模型,是大多数实证分析文章所经常采用

的模型，空间误差模型则通常被选择性忽视。那么，空间滞后模型是否存在适用范

围?Anselin提出的拉格朗日乘子检验是否是判断空间计量模型选择的唯一依据呢？空间误

差模型为什么被忽略?该模型有什么样的优点?些将是本文探讨的主要问题。

二、数据来源和建模过程

一（）观察值集crity

本文实证分析数据集采用的是Anselin用到的著名案例:Columbus犯罪数据。该数据集包

含49个观察值,本文主要涉及到3个变量，即因变量CRIME和两个自变量INC和11OVAL,其

中,CRIME表示每千户中的入室抢劫和盗窃车辆的案件数量；INC表示家庭收入,单位为1

000美元;H0VAL表示房屋价格,单位为1000美元。

二（）空间滞后模型与空间误差模型

通常来说,在进行空间计量经济学模型分析时，需要一个基准模型用以对比参考。普通最小

二乘模型是最常见的基准模型,如公式1（）所示：

相应地,空间滞后模型如式2（）所示：

式2（）中，P表示因变量空间滞后项的待估计参数,也被称为空间自回归系数。W表示空间

权重矩阵。其他同公式1（）。

空间误差模型如式3（）所示：

其中，X为空间自相关误差项的待估计系数，也被称为空间自相关系数。U为误差项。其

他同式1（）。

三（）拉格朗日乘子检验robust1m

Anselin针对空间计量经济学模给出了实证分析的流程图（图1）。

由图1可知，空间计量经济学模首先要从OLS模型开始,用OLS回归后的残差进行拉格朗

日乘子检验L（agrangeMultiplierTest,LM）。该检验包含两个统计量:即LM-Error和LM-

Lag。如果这两个统计量均不显著，则选择OLS模型作为最终模型；若只有一个统计量显著，

那么LM-Error统计量显著则指向空间误差模型，而LM-Lag统计量显著则指向空间滞后模

型。如果两个统计量均显著,Anselin提出了稳健性R（ohusl）的拉格朗日乘子检验R（obust

LMtest）,相应地该检验也包含两个统计量，即RobustLM-Error和RobustLM-Lag«其中，

若RobustLM-Error统计量显著则指向空间误差模型，而RobustI.M-Lag统计量显著则指

向空间滞后模型。

三、示范分析

一（）模型残差自相关的检验

在空间计量模型回归之前,很多实证分析的论文通常做法是对因变量进行全域空间自相关

分析，用来描述空间单元的某个要素的观察值与相邻空间单元元素的观察值是否相近。全

域空间自相关分析一般采用的测度指标是Moran，sI指数。其公式如下所示

式⑷中,Y

在对本例数据进行空间计量经济学模型回归之前，先对CRIME变量进行全域空间自相关进

行分析。计算结果显示:CRIME变量的MoransI指数为0.5002,其概率值为0.001,也就

是说,CRIME变量存在显著的正向空间自相关现象。

在空间计量模之前对因变量进行空间自相关检验是很多中文文献的通常做法。需要指出

的是:因变量是否存在空间自相关现象与是否在模型右边添加因变量的空间滞后项并芈必

要条件，尽管有时候因变量存在显著的空间自相关现象。

在拉格朗日乘子检验发表之前，空间自相关检验应用在检验模型回归后的残差是否存在空

间自相关现象

接下来,对模型进行回归分析。首先对模型1（）采用OLS进行回归,然后计算OLS模型残差

的MoransI指数。结果显示,残差的MoransI指数为0.2221,其概率值为0.006

0见（表2）,表明了