自变量空间滞后模型SLX

自变量空间滞后模型SLX

5、文字分析

上表格模型的基本参数信息，包括具体的空间计量模型名称，是否使用稳健标准误差，空间权重矩阵名称及是否对其进行标准化处理等，模型估计方法等，表格中仅展示模型的参数信息等无特别分析意义。需要注意的是，当前默认使用ML极大似然法进行估计。

上表格展示自变量空间滞后SLX模型回归结果，其数学模型y = β * x + θ * Wx + u (其中β表示X的回归系数，Wx表示自变量X空间滞后变量，θ表示Wx的回归系数，u为扰动项)，结合当前数据，其公式为：crime = 83.287-0.275*hoval-1.482*income-0.541*hoval_空间滞后变量+0.275*income_空间滞后变量。

具体针对各项的影响关系来看：hoval的回归系数值为-0.275，但是并没有呈现出显著性(p =0.06>0.05)，意味着房价对犯罪率没有显著性影响。income的回归系数值为-1.482，并且呈现出0.01水平显著性(p =0.000<0.01)，意味着income会对crime产生显著的负向影响关系，家庭收入越高犯罪率越低。

除此之外，房价的空间滞后变量，其回归系数值为-0.541，其p 值为0.012<0.05，意味着其他地区的房价会影响到当前地区的犯罪率，其他的房价越高，本地区的犯罪率反而会越低。家庭收入空间滞后项没有呈现出显著性，即说明其他地区家庭收入并不会对于本地区的犯罪率产生影响。

上表格展示异方差White检验，BP检验和JB检验，分别用于异方差和正态性检验，空间计量模型时对于空间作用的关注力度明显最高，对于异方差和正态性关注度相对较低，从上表格可以看到，White检验显示并没有异方差差问题（但BP检验显示有，建议以White异方差检验为准就好），当然可考虑使用稳健标准误法进行估计即可，JB检验显示残差不满足正态性，暂不对残差正态性进行关注，通常可考虑对变量（包括自变量或因变量）进行一些比如取对数处理等以减弱残差非正态性问题。

上表格展示信息准则结果表格，包括llf值和另外两个值即AIC值和Schwarz准则值，llf值通常越大越好，但是AIC值和Schwarz准则值均是越小越好，如果希望对比模型优劣，可考虑使用上述三个指标，但需要注意的是，极大似然法估计ML法时才会输出上述指标，如果是比如GMM估计则没有输出上述指标。

上表格展示模型的简化表格格式，不再重复分析。