空间计量经济学中的GWR模型解析.docxVIP

空间计量经济学中的GWR模型解析

一、引言

在传统计量经济学的研究框架中，学者们通常假设经济变量之间的关系在整个研究区域内是一致的，即回归系数具有全局稳定性。但现实中的经济现象往往受到地理空间因素的深刻影响：不同地区的资源禀赋、产业结构、政策环境存在显著差异，导致同一经济因素在不同区域的作用强度甚至方向都可能截然不同。例如，同样是基础设施投入，在东部发达地区可能对经济增长的边际贡献逐渐降低，而在西部欠发达地区却能成为拉动增长的核心动力。这种空间层面的差异被称为“空间异质性”，传统的普通最小二乘法（OLS）由于忽略了这一特性，往往会导致估计结果出现偏差，无法准确揭示区域经济运行的真实规律（Anselin,1988）。

空间计量经济学的诞生正是为了弥补传统计量的这一缺陷，它将地理空间因素纳入模型框架，重点关注空间自相关与空间异质性两大核心问题。在众多空间计量模型中，地理加权回归（GeographicallyWeightedRegression，简称GWR）模型凭借其对局部空间异质性的精准捕捉能力，成为区域经济分析、资源环境研究等领域的重要工具。与全局空间模型不同，GWR模型允许回归系数随观测点的地理位置变化而变化，能够直观呈现经济关系的空间分布特征，为研究者提供更为细致的局部规律洞察（Brunsdonetal.,1996）。本文将从GWR模型的起源与理论基础、核心原理与假设