空间计量中SAR与SEM模型的实证区分.docxVIP

空间计量中SAR与SEM模型的实证区分

一、引言

在区域经济、环境科学、社会地理学等研究领域中，观测数据往往呈现显著的空间依赖性——某一地区的现象不仅受本地因素影响，还可能与相邻地区的同类现象或潜在未观测因素相关。空间计量经济学通过引入空间权重矩阵，将这种空间相关性纳入模型框架，为解决传统计量模型“空间自相关忽略”问题提供了有效工具。其中，空间自回归模型（SpatialAutoregressiveModel，SAR）与空间误差模型（SpatialErrorModel，SEM）是最基础且应用最广泛的两类模型。二者虽均以捕捉空间相关性为目标，但模型设定、参数解释及实证意义存在本质差异。若在实证研究中混淆两类模型，可能导致参数估计偏差、政策效应误判等严重后果（Anselin，1988）。因此，明确SAR与SEM模型的实证区分逻辑，既是空间计量方法应用的核心环节，也是保证研究结论可靠性的关键前提。

二、SAR与SEM模型的基础原理与核心差异

（一）模型设定的本质区别

SAR模型与SEM模型的根本差异源于对空间相关性来源的假设不同。SAR模型（也被称为空间滞后模型，SpatialLagModel）假设空间相关性直接通过被解释变量的空间滞后项传递，即某一地区的被解释变量（如经济增长率）不仅受本地解释变量（如资本、劳动投入）影响，还受其相邻地区被解释变量的加权平均影响。其核心设定可表