Stata面板数据进行空间效应模型分析

Stata面板数据进行空间效应模型分析

引用

CSDN

1.

https://blog.csdn.net/weixin_51848762/article/details/142602841

空间效应模型分析是处理具有空间依赖性数据的重要方法，在区域经济、环境科学等领域有广泛的应用。本文将详细介绍如何使用Stata软件进行面板数据的空间效应模型分析，包括莫兰检验、空间计量模型的实现以及模型选择和固定效应分析。

1. 莫兰检验

首先需要定义一个路径来存储W矩阵：

cd "D:\0.1data\02.first\02.stata"

通过数据编译器粘贴入数据，并保存为W-1.dta（保存到上面定义的路径下）：

spatwmat using W-1.dta, name(w) //用于全局莫兰指数

通过数据编译器粘贴入CEI数据，并保存为CEI-莫兰.dta文件，或在数据编辑器中打开该保存好的文件：

spatgsa **(CI文件里面的变量名)**, weights(w) moran

全局Moran’s I 同时输出多个列如下：

spatgsa y2012 y2013 y2014 y2015 y2016 y2017 y2018 y2019 y2020 y2021, weights(w) moran

2. 空间计量模型

SDM模型

先打开所在目录需要操作的数据文件（不考虑中介变量）：

spatwmat using W-1.dta, name(W) standardize //打开文件后导入矩阵，标准化以防出现initial values not feasible错误
xtset CODE2 YEAR （CODE2 YEAR 都是打开dta文件里面的变量名）
xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_E, wmat(W) model(sdm) robust nolog noeffects

SAR模型

xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_E, wmat(W) model(sar) robust nolog noeffects

SEM模型

xsmle ln_CO2 ln_ICT ln_URB ln_PGDP ln_IND ln_POP ln_EI, emat(W) model(sem) robust nolog noeffects
outreg2 using SEM.doc

3. 空间计量模型的选择

对于SDM与SAR, 检验空间杜宾模型是否会退化为SAR：

xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_E, fe model(sdm) wmat(w) nolog noeffects type(both)
est store sdm
xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_E, fe model(sar) wmat(w) nolog noeffects type(both)
est store sar
lrtest sdm sar *H0:SDM退化为SAR

如果P小于0.1显著，不可以退化，P值大于0.1，说明可以退化。

检验SDM是否退化为SEM：

xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_EI, wmat(W) model(sdm) fe
estat ic
xsmle ln_CO2 ln_I ln_U ln_P ln_IN ln_PO ln_EI, emat(W) model(sem) fe
estat ic

通过对比SDM和SEM得出的AIC和BIC进行选择。

4. 固定效应SDM时间、个体、双固定分析

xsmle ln_CO2 ln_ICT, model(sdm) wmat(W) type(time) nolog effects fe
outreg2 using SDM-time.doc //导出数据导word
est store sdm_time2
xsmle ln_CO2 ln_ICT, model(sdm) wmat(W) type(ind) nolog effects fe
outreg2 using SDM-ind.doc
est store sdm_ind2
xsmle ln_CO2 ln_ICT, model(sdm) wmat(W) type(both) nolog effects fe
outreg2 using SDM-both.doc
est store sdm_both2

进行对比分析：

lrtest sdm_both2 sdm_time2, df(9)
lrtest sdm_both2 sdm_ind2, df(9)