似不相关回归SUR结果解读：Breusch-Pagan检验与SUR效率增益.docxVIP

似不相关回归(SeeminglyUnrelatedRegression,SUR)由Zellner于1962年提出,用于同时估计多个看似独立但误差项之间存在相关性的回归方程。当多个回归方程的因变量之间存在关联时,单独估计每个方程会损失效率,而SUR通过引入方程间误差项的协方差信息,能够获得比OLS更有效的参数估计。SUR模型广泛应用于经济学、金融学等领域,例如同时分析家庭消费与储蓄方程、多产品需求方程等。

空间SUR模型进一步将空间效应纳入似不相关回归框架,通过空间权重矩阵刻画区域间的空间依赖关系,使得模型同时捕捉方程间的相关性和空间溢出效应。本研究使用SPSSAU软件进行空间SUR模型分析,以美国Columbus地区房价(hoval)与收入(income)为因变量,犯罪率(crime)为解释变量,考察两个方程之间的联合估计结果及系数差异。

在SPSSAU【空间计量】模块选择【似不相关回归SUR】，将变量拖拽至右侧对应分析框，选择空间权重矩阵，操作如下图：

一、模型基本参数

本分析采用空间SUR模型,使用spatialweight空间权重矩阵文档,并以行标准化方式构建空间权重矩阵。行标准化使得每一行的权重之和为1,便于不同区域之间的空间效应比较,是空间计量分析中最常用的标准化方式。

二、空间SUR模型LM检验

LM检验用于判断空间SUR模型中是否存在空间误差效应或空间滞后效