面板空间计量之Stata应用

面板空间计量之Stata应用：学习笔记【同 舟 共 济】

更新于 2016年4月20日

说 明

目前，在空间计量方面，Stata官方命令语句数量有限且较为零散，尚未形成系统的空间计量工具包。因此，个人建议空间计量的初学者转向Matlab软件，James P. LeSage、J. P.

Elhorst、Donald J. Lacombe等学者所开发的空间计量工具包，其功能相对更加完善，操作起来也比较方便。本人已经习惯了使用stata，初次自学空间计量方面的操作，参考help文件及相关文献，在学习过程中做了简要总结，仅供初学者交流学习。其中若有不当之处，敬请批评指正，谢谢！

E-mail: ares0825@

【Stata】

Abd Elmessih Shehata

（Econpapers）

URL: /RAS/

Federico Belotti

（Econpapers）

URL: /RAS/

P. Wilner Jeanty

（Econpapers）

URL：/RAS/

Maurizio Pisati

URL：/people/maurizio-pisati

Yihua Yu

（Econpapers）

URL：/RAS/

目 录

第一章 Stata空间计量命令语句安装 1

第二章 中国31省市自治区（不含港澳台、附属岛屿）shp制作 3

第三章 Stata空间权重制作 8

第四章 Stata 空间相关性检验

第五章 Stata 空间面板数据回归

27

39

面板空间计量之Stata应用：学习笔记

第一章 Stata空间计量命令包安装

更新于2016-03-15

1. 空间计量-Stata命令包

Archive of user-written Stata packages

URL: /statistics/stata-blog/stata-programming/ssc_stata_package_

图1 Stata用户自拟命令语句列表

另外，在IDEAS（URL: /）中可以查询相关命令，顺便推荐几个论坛，大家可以经常逛逛：

Stata官方论坛 URL: /

UCLA-Idre论坛 URL: /stat/stata/

Stata Daily URL: /index/

2. 安装

单击图1左侧红色框内命令名称，即可下载对应的压缩包，安装过程参考非官方命令手动安装说明（URL：/）；单击图1右侧蓝色框内的各命令所对应的描述性语句，即可看到该命令的详细说明及应用举例。或者直接在stata输入命令语句：findit spatial，即可安装相关命令。若stata软件安装在系统C盘，请以管理员身份运行软件，否则可能会出现无法写入的情况。

3. 注意

需要说明的是，Archive of user-written Stata packages中所示的stata语句均为非官方命令，大家在使用过程中，请仔细阅读对应的帮助文件等资料，有能力的同学研习一下ado文件的源代码，务必保证正确使用命令语句。另外，大家最好Google一下其它相关资料看看，如意大利学者Federico Belotti等开发的“xsmle”命令（图2），一定要先搞清楚基本原理与适用范围，才可以使用，切记！

1

第一章 Stata空间计量命令包安装

图2 xsmle命令资料查找

2

面板空间计量之Stata应用：学习笔记

第二章 中国31省市地区（不含港澳台、附属岛屿）shp制作

— Delete、Merge、Dissovle、Eliminate等命令

更新于2016-03-18

本文以国界与省界地理信息数据包为例，我们主要使用“bou2_”，其简要的说明如下：“bou2_”中主要包含以下变量：AREA（面积）；PERIMETER（周长）；BOU2_4M_ 和 BOU2_4M_ID（BOU代表边界的意思，数字1~4代表国家、省、市、县的4级行政划分；4M代表地图比例是400万分之一，ID是其对应的编号）；ADCODE93

和 ADCODE99（行政区域代码）；NAME（行政区域名称）。需要说明的是，在“bou2_”中，每一个省市自治区及其附属岛屿都是用一个多边形来表示的，每个多边形都对应唯一的ID，编号分别从1到925（由于部分省份有很多附属岛屿）。

一般情况下，我们在省级层面的空间计量实证研究中，仅涉及中国剔除港澳台地区的31个省市自治区的面板数据（有时还需剔除西藏、新疆等地区），因此在具体应用之前，我们需要使用ArcGIS软件对“bou2_”进行精简处理，制作中国31省市地区（不含港澳台、附属岛屿）的shp文件，主要处理对象有：

 河北省：行政区内陆板块分为两部分，且有附属岛屿，数据/图斑数量为8，如图1所示；

图 1 河北省- ArcMap窗口示意图

 沿海省份：有很多附属岛屿，上海市 数据/图斑数量为9，如图2所示；3

第二章 中国31省市地区（不含港澳台、附属岛屿）shp制作

图 2 上海市- ArcMap窗口示意图

2.1 ArcGIS软件图斑处理命令

此处不再详细阐述，命令说明及操作方法请参考：

2.1.1 ArcGIS合并多边形的方法

URL: /?mod=space&uid=74956&do=blog&id=387013

2.1.2 ArcGIS中各种合并要素的异同点分析

URL: /zwx_gis/blog/static/32434435248/

2.1.3 ArcGIS问题：shp文件、属性查询、图斑合并

URL:/s/blog_

2.1.4 ArcToolbox使用之二——Data Managerment Tools

URL: /iantian/blog/static/61810164156/

2.1.5 ArcGIS消除零碎图斑（Eliminate）

URL:/link?url=a1oIUZPNwsobmoueWeikYhPxTRbH21kARWlfkfBYdkBcGQhCd8B54TrdPh86-AHa_aI2d9OmhOunzouEOKvuBtbPh-XpZE3elpPGrRnq2Hy

关于ArcGIS软件的更多操作，还可参考：

2.1.6 Arcgis初学者使用教程（人大经济论坛）

URL: /

2.1.7 Arcgis学习资源帖（人大经济论坛）

URL: /

2.1.8 ARCGIS地理信息系统空间分析实验教程（人大经济论坛）

URL: /

4

面板空间计量之Stata应用：学习笔记

2.2 ArcGIS软件：中国31省市地区（不含港澳台、附属岛屿）制作说明

2.2.1 Prov_Prepare

说明：在Bou2_的基础上，删除（Delete）香港、澳门和台湾地区，属性表814条数据。

图3 Prov_Prepare --ArcMap窗口示意图

2.2.2 Prov_Delete

说明：在Prov_的基础上，继续删除（Delete）各行政区的附属岛屿，属性表31条数据，仅保留面积最大图斑的属性值。如图4所示。注意：河北省内陆板块仅保留了面积大的图斑，红圈内面积较小的内陆板块在地图中消失。

图4 Prov_Delete --ArcMap窗口示意图

5

第二章 中国31省市地区（不含港澳台、附属岛屿）shp制作

2.2.3 Prov_Merge

说明：在Prov_的基础上，设置“小从属大”的原则，把各行政区与其附属岛屿合并（Merge），属性表含31条数据，Area、Lengh等变量值为面积最大图斑的属性值，如图5所示。注意：与Prov_Delete不同的是，河北省内陆小板块及附属岛屿、东南沿海省市的附属岛屿依旧呈现在地图中。

图5 Prov_Merge --ArcMap窗口示意图

2.2.4 Prov_Dissovle

说明：在Prov_的基础上，选择Name、ACODE99为关键指标，将31个行政区与其附属岛屿融合（Dissolve），属性表中31条数据。需要特别强调的是：Shape_Area、Shape_Lengh变量值为各行政区所有图斑Area、Lengh值之和，如图6所示。注意：与Prov_Delete不同的是，河北省内陆小板块及附属岛屿、东南沿海省市的附属岛屿依旧呈现在地图中。

Hebei

Shape_Area: 19.636559

图6 Prov_ Dissolve --ArcMap窗口示意图

6

Shape_Length: 47.404183

面板空间计量之Stata应用：学习笔记

2.2.5 Prov_Eliminate（未成功）

说明：在Prov_的基础上，设置面积阙值（"AREA"<0.15），清除（Eliminate）各行政区附属岛屿等零碎的小图斑，属性表中含812条数据。注意：按照面积阙值条件，仅成功清除掉2个零碎图斑，其余781个零碎小图斑依旧在属性表及地图中，暂时未弄明白失败原因，还请大家留言指导，谢谢。

图7 Prov_ Dissolve --ArcMap窗口示意图

2.3 遗留问题

2.3.1 Eliminate命令原理及操作失败的原因

2.3.2 哪种版本的shp文件时标准的

问题描述：基于以上不同版本（Prov_Delete、Prov_Merge和Prov_Dissolve）的中国31个省市自治区shp文件，生成空间权重矩阵可能会有所差异，这是否会对实证结果产生影响？如果存在显著的影响，在省级层面的空间计量实证研究中，应该选择哪个shp文件呢？

7

第三章 Stata 空间权重矩阵制作

第三章 Stata 空间权重矩阵制作

更新于2016-04-13

3.1 空间权重矩阵理论

空间计量首要解决关键问题就是空间权重的选择和设置，已有文献中经常提及的空间权重形式有：邻接权重矩阵（0-1）、反距离权重矩阵、经济权重矩阵、社交网络权重矩阵以及经济距离等嵌套矩阵，其详细的定义及空间权重矩阵选择等问题，请参考相关文献，例如：

王守坤. 空间计量模型中权重矩阵的类型与扩展逻辑:述评与展望[C]// 中国空间经济学年会. 2012.

Dubin R. Spatial weights[J]. The Sage Handbook of Spatial Analysis, 2008, 1: 125-158.

Anselin L. Spatial econometrics: methods and models[M]. Springer Science & Business Media, 2013.

Anselin L, Bera A K. Spatial dependence in linear regression models with an introduction to spatial econometrics[J].

Statistics Textbooks and Monographs, 1998, 155: 237-290.

3.2 Stata空间权重命令集合



Spmat -- Create and manage spatial-weighting matrix objects [Author: Drukker , 2013]

Spatwmat--- Spatial weights matrices for spatial data analysis [Author: Pisati ,2012]

Spwmatrix --- Generates, imports, and exports spatial weights [Author: Jeanty, updated 2014.03.15]

Spwmatfill --- Assigns first nearest neighbors to observations with no contiguous neighbors. [Author: Jeanty, 2010]

Spweight --- Module to compute Cross-Section and Panel Spatial Weight Matrix [Author: Shehata, 2013]

Spweightxt -- Module to compute Cross-Section and Panel Spatial Weight Matrix [Author: Shehata,2013]

Spweightcs ---Module to compute Cross Section Spatial Weight Matrix [Author: Shehata, 2013]

Spcs2xt--- Module to Convert Cross Section to Panel Spatial Weight Matrix [Author: Shehata, 2012]

Shp2dta --- Module to converts shape boundary files to Stata datasets [Author: Crow, 2013]

















3.3 Stata空间权重命令示范

3.3.1 Spmat: Create and manage spatial-weighting matrix objects



spmat contiguity objname [if] [in] using coordinates file, id(varname) [options]

spmat idistance objname cvarlist [if] [in] using coordinates file, id(varname) [options]

spmat summarize objname [, links detail {banded | truncmethod}]

Spmat命令可以生成Contiguity matrix和Inverse-distance weights matrix，以tl_2008_us_county00中的



“tl_2008_us_”和“tl_2008_us_”数据为例，首先在stata中输入命令shp2dta，将.dbf和.shp转化为stata可以识别的.dta格式，如图1。

.cd C:UsersIBMDesktoptl_2008_us_county00

# 设置路径 #

.shp2dta using tl_2008_us_county00, database(county) coordinates(countyxy) genid(id) gencentroids(c)

8

面板空间计量之Stata应用:学习笔记

# genid(id) : 在shp2dta中, 截面代码默认为变量“ _ ID”，此处重新设置为“id” #

#

gencentroids(c): 生成地理质心坐标变量“x_c”和“y_c”#

图1 文件格式转制

随后，整理“”数据，在stata中输入命令语句，结果如图2。

.

use county, clear

. quietly destring STATEFP, generate(st)

# 将字符变量转化为浮点型，并赋值到新变量“st”#

.

drop if st==2 | st==15 | st>56

# 原作者仅保留了美国内陆地区作为研究样本（*keep continental US counties）#

.

rename x_c longitude

.

rename y_c latitude

.

save countynew, replace

图2 Stata数据处理操作界面

最后，在stata中输入命令语句，结果如3所示：

.

use countynew, clear

.

spmat contiguity ccounty using countyxy, id(id) normalize(minmax)

. spmat summarize ccounty, links

. spmat save/use ccounty using , replace

# 保存/调用 #

.

spmat idistance dcounty longitude latitude, id(id) dfunction(dhaversine )

# dfunction( )：选择距离计算方式 #

.

spmat summarize dcounty, links

9

第三章 Stata 空间权重矩阵制作

. spmat save/use dcounty using , replace

图3 Stata矩阵生成操作界面

参考资料



spmat: Creating and managing spatial-weighting matrices with the spmat command

URL: /~Prucha/Papers/SJ_SPMAT(2013).pdf

3.3.2 Spatwmat: Spatial weights matrices for spatial data analysis



spatwmat [ using filename ] , name(weights_matrix) [ drop(numlist) xcoord(varname) ycoord(varname) band(numlist)

friction(#) binary standardize eigenval(eigen_matrix) ]

Spatwmat命令可以生成Inverse distance weights matrix和Distance-based binary weights matrix，以Sg162中的“”数据为例（图7），其中x和y为地区经纬度坐标变量。在stata中输入命令语句：

.cd C:UsersIBMDesktopSg162

# 设置路径 #

.use ,clear

.describle

图4 空间权重矩阵生成Stata操作界面

在stata中输入命令语句，即可得到权重矩阵（图5）：

. spatwmat, name(W) xcoord(x) ycoord(y) band(0 3)

# 反距离权重矩阵 #

. spatwmat, name(W) xcoord(x) ycoord(y) band(0 3) binary

# 基于距离的二进制权重矩阵 #

. spatwmat, name(W) xcoord(x) ycoord(y) band(0 3) standardize

# 标准化 #

10

面板空间计量之Stata应用:学习笔记

. spatwmat, name(W) xcoord(x) ycoord(y) band(0 3) eigenval(E)

# 特征值向量 #

图5 空间权重矩阵生成Stata操作界面

注意：当矩阵维数受到stata 默认值（800*800）限制时，可调用set matsize 命令设置矩阵维数：

. set matsize 2000 #设置矩阵维数2000 #

另外，我们也可以利用excel、geoda等软件生成权重矩阵，然后采用该命令导入已经建立好的权重矩阵，以Sg162中的“”数据为例，在stata中输入命令，如图6所示：

.cd C:UsersIBMDesktopSg162

# 设置路径 #

. import excel using columbusswm, first clear

# first: 首行默认为变量名#

. save columbusswm_,replace

# 保存文件 #

. spatwmat using col umbusswm_, name(W)

# 生成矩阵 #

图6 空间权重矩阵导入Stata操作界面

参考资料：



Stb60-sg162: Tools for spatial data analysis

URL: /products/stb/journals/



crystaling :将Excel文件数据导入STATA的方法之比较

URL: /

3.3.3 Spwmatrix: Generates, imports, and exports spatial weights



spwmatrix import using filename, wname(wght_name) [dta text swm(idvar_name) Other_options]

spwmatrix gecon varlist [if] [in], wname(wght_name) [wtype(bin|inv|econ|invecon) cart r(#) dband(numlist) alpha(#)

11



第三章 Stata 空间权重矩阵制作

knn(#) econvar(varname1) beta(#) Other_options]



spwmatrix socio varname2 [if] [in], wname(wght_name) wtype(socnet|socecon) [idvar(varname3) dthres(#) gamma(#)

snn(#) dmins(newvar1) Other_options]

Spwmatrix命令可以生成binary, distance decay, economic distance, inverse economic distance, social network,

socio-economic 空间权重矩阵。我们以中国31省市shp地图（不含港澳台、附属岛屿）的“Prov_Delete”文件夹中的数据为例，操作说明如下：

第一步，基于Prov_Delete -- 中国31省市shp地图（不含港澳台、附属岛屿）的“Export_”文件，使用ArcGIS软件添加连续序号变量“POLY_ID”，并将“Name”变量赋值为字符型，输出数据并另存为Export_，如图7所示：

图 7 ArcMap添加变量POLY_ID --操作界面窗口

第二步，基于“Export_”文件，使用Geoda软件（Weights File ID Variable选择POLY_ID）生成一阶邻近空间权重矩阵（First order contiguity spatial weights），并将其命名为“province”如图8所示：

图8 Geoda操作界面窗口

12

面板空间计量之Stata应用:学习笔记

第三步，在stata中调用该初始邻接矩阵，输入命令语句：

.cd C:UsersIBMDesktopProv_Delete

# 设置路径#

.spwmatrix import using C:UsersIBMDesktopProv_, wname(W) rowstand xport(worg,txt)

# [options] xtw(#) generate spatial weights to be used with a balanced panel dataset #

Notes: xtw(#) specifies the number of time periods (T) to generate spatial weights to be used with a balanced panel data. This option

assumes that the dataset is sorted by time and geoid and that the data for one is time period is kept to generate the spatial weights.

geoid is considered to be the identifier variable for the areal units.(/statalist/archive/2014-03/)

. matrix list W

输出结果如图9所示：

图9 31*31 W矩阵Stata界面窗口

需要注意的是，由于海南省并没有邻接省份，W矩阵并未实现标准化（One observation or location has no

neighbors；weights matrix was not row-standardized）。若想实现标准化，可做如下处理：

方法一：调用Spwmatfill指令，定向分配最近的邻近省份（须提前安装nearstat命令），输入命令语句：

. cd C:UsersIBMDesktopProv_Delete

# 设置路径#

. shp2dta using Export_Output2, database(province) coordinates(provincexy) genid(id) gencentroids(c)

. use C:UsersIBMDesktopProv_,clear

. rename x_c longitude

. rename y_c latitude

. replace id=POLY_ID

13

第三章 Stata 空间权重矩阵制作

. drop POLY_ID

. save province, replace

. spwmatrix import using C:UsersIBMDesktopProv_, wname(W) mataf

# 保存为Mata file #

. spwmatfill latitude longitude, id(id) inwname(W) inwfrom(Mata) outwname(W) rowstand replace

# Standardized

spatial weights matrix created as Stata object #

. matrix list W

输出结果如图10所示：

图10 31*31标准化W矩阵Stata界面窗口

方法二：Spwmatrix -- [Option] – noisland，Remove observations with no neighbors when generating the spatial

weights，输入命令语句：

. cd C:UsersIBMDesktopProv_Delete

# 设置路径#

.spwmatrix import using C:UsersIBMDesktopProv_, wname(W) noisland rowstand

xport(worg2,txt)

# 设置noisland #

14

面板空间计量之Stata应用:学习笔记

输出结果如图11所示：

图11 Spwmatrix—noisland -- Stata界面窗口

注意：操作失败，查询help文件及相关资料，暂时未发现如何设置[ Option- noisland ]，望大家留言指教！

第四步，以Economic Distance权重矩阵为例：提前准备好地区GDP数据①文件“”（如图10），并将其导入“”文件（注意：各地区对应的“id”必须与“”文件中保持一致），输入命令语句：

. use C:UsersIBMDesktopProv_,clear

. merge 1:1 id using C:UsersIBMDesktopProv_

. drop _merge

. save province_gdp

数据结构如图12所示：

图 12 数据合并stata数据结构视图

第五步，输入以下命令语句，生成相应的空间权重矩阵：



Binary Spatial Weights Matrix

. spwmatrix gecon latitude longitude, wn(wbin) wt(bin) db(0 500) row

# 距离带宽Distance Band设置为 0-500km #

. matrix list wbin

① 注意：本文使用的是2014年度各省市自治区GDP；当涉及面板xsmle操作时，一般取各地区样本期间内的GDP均值。

15

第三章 Stata 空间权重矩阵制作

图13 Binary Spatial Weights Matrix--Stata窗口界面



Distance Decay Spatial Weights Matrix

. spwmatrix gecon latitude longitude, wn(winv) wt(inv) alpha(2) row

# 距离衰减系数alpha设置为 2 #

. matrix list winv

图14 Distance Decay Spatial Weights Matrix--Stata窗口界面



Economic Distance Spatial Weights Matrix

. spwmatrix gecon latitude longitude, wn(wenco) wt(econ) econvar(gdp) row

# Beta默认值1 #

. matrix list wenco

图15 Economic Distance Spatial Weights Matrix--Stata窗口界面



Inverse Economic Distance Spatial Weights Matrix

. spwmatrix gecon latitude longitude, wn(winvenco) wt(invecon) econvar(gdp) row

# Beta默认值1 #

. matrix list winvenvo

16

面板空间计量之Stata应用:学习笔记

图16 Inverse Economic Distance Spatial Weights Matrix--Stata窗口界面



Social Network Spatial Weights Matrix

. use C:UsersIBMDesktopProv_Deleteprovinve_, clear

. spwmatrix socio metroid, wn(wsocnet) wtype(socnet) idvar(id) row

# Metroid 变量为中国六大地区编号 #

. matrix list wsocnet

注：metroid = 1（东北地区）/ 2（华北地区）/ 3（华东地区）/ 4（中南地区）/ 5（西南地区）/ 6（西北地区）

图17 Social Network Spatial Weights Matrix --Stata窗口界面



Social Economic Spatial Weights Matrix

. use C:UsersIBMDesktopProv_Deleteprovinve_, clear

# hr: 各地区劳动力人口平均受教育年限 #

. spwmatrix socio hr, wn(wsocecon) wt(socecon) dthres(1) gamma(2) row

# 绝对差阈值设置为1；衰减系数设置为2 #

. matrix list wsocecon

图18 Social Economic Spatial Weights Matrix --Stata窗口界面



K Nearest Spatial Weights Matrix

. use C:UsersIBMDesktopProv_, clear

. spwmatrix gecon latitude longitude, wn(wknn) knn(5) row

# Nearest Neighbor数量设置为5 #

. matrix list wknn

17

第三章 Stata 空间权重矩阵制作

图19 5-Nearest Neighbor Spatial Weights Matrix --Stata窗口界面

参考资料：



Econpapers: Details about P. Wilner Jeanty

URL: /RAS/



P. Wilner Jeanty : New version of -spmlreg- and -spwmatrix- available on SSC [2014-03-15]

URL: /statalist/archive/2014-03/



fei355 :用stata生成空间权重的步骤和操作详解 [spweightxt] [2013-08-19]

URL: /



fei355 :一个生成经济加权的命令和操作 [spwmatrix] [2013-12-20]

URL: /



fei355: spwmatrix 空间面板的do文件 [spwmatrix] [2014-05-26]

URL: /



jzbd:用spwmatrix 如何生成“经济”空间权重矩阵

URL: /

3.3.4 Spweight: Stata module to compute Cross Section and Panel Spatial Weight Matrix



spweight varlist , panel(numlist) time(numlist) [ matrix(weight_name) stand inv inv2 eigw(name) tabel ptabel ]

Spweight命令可以生成Binary Weight Matrix、Inverse Standardized Weight Matrix和Inverse Squared

Standardized Weight Matrix等空间权重矩阵，其原始数据导入方式有所不用，我们以“”数据文件为例，具体说明如下：

. cd C:UsersIBMDesktopspweight

. use , clear

. list v1 v2

. spweight v1 v2 , panel(7) matrix(W) eigw table

结果如图20所示。其中，v1变量为横截面id；v2变量为与第i个截面的相邻的截面id，按照截面id顺序不重复记录。例如，与id=1截面相邻的截面有：id=2、id=3、id=4；与id=3截面相邻的截面只记录id=4，此处不再重复记录截面id=1。若存在“孤岛”截面id=5，则相邻截面记录为截面自身id。

18

面板空间计量之Stata应用:学习笔记

图20 Spweight原始数据结构



Inverse Standardized Weight Matrix

. use C:, clear

. spweight v1 v2 , panel(4) time(4) matrix(W) stand eigw inv ptable

# Time设置为4，面板空间权重矩阵 #

. matrix list e(wcs)

图21 Inverse Standardized Weight Matrix（Cross-section & Panel data）

参考资料：



Econpapers: Details about Emad Abd Elmessih Shehata [2016-02-09]

URL: /RAS/



Econpapers : SPWEIGHT: Stata module to compute Cross Section Spatial Weight Matrix [2013-01-26]

URL: /software/bocbocode/

19

第三章 Stata 空间权重矩阵制作



淡「凡惜: 谁知道stata里的 spweight 命令怎么用？ [2014-11-15]

URL: /

3.3.5 Spweightxt: Stata module to compute Cross Section and Panel Spatial Weight Matrix



spweightxt varlist , panel(numlist) time(numlist) matrix(weight_name) tabel ptabel

Spweightxt命令可以生成Binary Weight Matrix，其涉及的原始数据与Spweight命令有所不同，我们以“”数据为例，具体说明如下：

. cd C:UsersIBMDesktopspweightxt

. use , clear

. list v1 v2

. spweightxt v1 v2 , panel(4) time(4) matrix(W) table ptable

# Time设置为4，面板空间权重矩阵 #

. matrix list e(wcs)

结果如图22所示。其中，v1变量为横截面id；v2变量为与第i个截面的相邻的截面id，按照截面id顺序重复记录。例如，与id=1截面相邻的截面有：id=2、id=3、id=4；与id=3截面相邻的截面记录id=1、id=4，此处需要重复记录。Help文件中并未说明孤岛截面的数据记录方式。

图22 Inverse Standardized Weight Matrix（Cross-section & Panel data）

参考资料：



Econpapers: Details about Emad Abd Elmessih Shehata [2016-02-09]

URL: /RAS/



Econpapers : SPWEIGHTXT: Stata module to compute Panel Spatial Weight Matrix [2013-01-26]

URL: /software/bocbocode/

3.3.6 Spweightcs: Stata module to compute Cross Section Spatial Weight Matrix



spweightcs varlist , panel(numlist) matrix(weight_name) notabel

20

面板空间计量之Stata应用:学习笔记

Spweightcs命令可以生成Binary Weight Matrix，其导入的原始数据类型与spweightxt命令相似，我们以“”数据为例，具体说明如下：

. cd C:UsersIBMDesktopspweightcs

. use , clear

. list v1 v2

. spweightcs v1 v2 , panel(7) matrix(W) table

. matrix list e(wcs)

结果如图23所示。其中，v1变量为横截面id；v2变量为与第i个截面的相邻的截面id，按照截面id顺序重复记录。例如，与id=1截面相邻的截面有：id=2、id=5、id=6；与id=5截面相邻的截面记录id=1、id=6，此处需要重复记录。Help文件中并未说明孤岛截面的数据记录方式。

图23 Binary Weight Matrix（Cross-section）

参考资料：



Econpapers: Details about Emad Abd Elmessih Shehata [2016-02-09]

URL: /RAS/



Econpapers : SPWEIGHTCS: Stata module to compute Cross Section Spatial Weight Matrix [2012-12-21]

URL: /software/bocbocode/

3.3.7 Spcs2xt: Stata module to Convert Cross Section to Panel Spatial Weight Matrix



spcs2xt varlist , panel(numlist) time(numlist) matrix(new_panel_weight_file)

Spcs2xt命令，设置时间维度time（N），可以将截面矩阵转化为面板矩阵，我们以“”数据为例，具体说明如下：：

. cd C:UsersIBMDesktopspcs2xt

21

第三章 Stata 空间权重矩阵制作

. use , clear

. list v1 v2 v3 v4

. spcs2xt v*, matrix(w) time(4)

结果如图24所示：

图24 Binary Weight Matrix（Cross-section & Panel）

参考资料：



Econpapers: Details about Emad Abd Elmessih Shehata [2016-02-09]

URL: /RAS/



Econpapers : SPWEIGHTCS: Stata module to compute Cross Section Spatial Weight Matrix [2013-01-26]

URL: /software/bocbocode/

3.3.8 Other commands



china_spatdwm: Stata module to provide spatial distance matrices for Chinese provinces and cities [Author: Yihua Yu]

China_map: module to provide map of China's provinces [Author: Scott Merryman, 2008]



3.4 面板数据空间权重矩阵

关于面板数据（N*T）空间权重矩阵维数问题，理论上面板空间权重矩阵应该为NT*NT，在其中包含时间因素（又称时变空间权重矩阵 -- Time Varying Spatial Weight Matrix），但在实践操作中需要视具体操作命令而定。例如，在Federico Belotti, Gordon Hughes和Andrea Piano Mortari开发的-XSMLE-面板空间空归简明教程中，调用的是N*N空间权重矩阵（详见：/p/boc/isug13/）。此时，若空间权重矩阵类型为经济距离等嵌套矩阵，GDP等变量一般取样本期内的均值，以维持空间权重的稳健性。

当我们使用NT*NT空间权重矩阵时，首先要注意面板数据的排列问题，不同的排列方式对应不同的空间权重矩阵，具体请参考：王守坤. 空间计量模型中权重矩阵的类型与扩展逻辑:述评与展望[C]. 中国空间经济学年会.

2012。如上所述，面板空间权重矩阵主要涉及的直接命令有spweight、spweightxt和spwmatrix，或者通过spcs2xt命令将截面空间权重矩阵转换为面板空间权重矩阵。我们以cross_、cross_、cross_数据为例，探讨一下面板数据空间权重矩阵结构变换问题，在stata中输入以下命令语句：

第一，Spweight 命令：

. cd C:UsersIBMDesktopcross_panel

22

面板空间计量之Stata应用:学习笔记

. use cross_, clear

. list v1 v2

. spweightxt v1 v2 , panel(4) time(4) matrix(W) table ptable

# Time设置为4，面板空间权重矩阵 #

. matrix list e(wcs)

1100001000.1200000100.1300000010.1400000001.2110000000.2201000000.2300100000.2400010000.............ntnt图25 Spweight面板空间权重矩阵结构图

第二，Spweightxt 命令：

. use cross_, clear

. list v1 v2

. spweightxt v1 v2 , panel(4) time(4) matrix(W) table ptable

# Time设置为4，面板空间权重矩阵 #

. matrix list e(wcs)

1100001000.1200000100.1300000010.1400000001.2110000000.2201000000.2300100000.2400010000.............ntnt图26 Spweightxt面板空间权重矩阵结构图

23

第三章 Stata 空间权重矩阵制作

第三，Spweightxt 命令：

. use cross_, clear

. list v1 v2 v3 v4

. spcs2xt v*, matrix(w) time(4)

# Time设置为4，面板空间权重矩阵 #

1100001000.1200000100.1300000010.1400000001.2110000000.2201000000.2300100000.2400010000.............ntnt图27 Spcs2xt面板空间权重矩阵结构图

第四，Spwmatrix命令：

. cd C:UsersIBMDesktopcross_panel

. spwmatrix import using , wname(wcross)

. spwmatrix import using , wname(wpanel) xtw(3)

. matrix list wcross

. matrix list wpanel

图28 Spwmatrix面板空间权重矩阵结构图

注意：Spwmatrix命令生成的面板数据空间权重矩阵排列结构与spweight、spweightxt和spcs2xt命令存在明显的不同。

24

面板空间计量之Stata应用:学习笔记

然而，spweight、spweightxt和spcs2xt等命令只是将空间权重矩阵进行简单的维数（kron）变换，当空间权重矩阵类型为经济距离等嵌套矩阵，GDP等变量的一般取值为样本期内的均值，并未真正的体现出空间权重矩阵在时间上的变化。此时，我们是否可以考虑尝试使用spwmatrix命令，将时间因素纳入面板空间权重嵌套矩阵中，以Inverse Economic Distance Spatial Weights Matrix为例，在stata中输入以下命令语句：

. cd C:UsersIBMDesktopPanel

# 设置路径#

. use C:UsersIBMDesktopPanelprovince_, clear

. sort time id

. spwmatrix import using C:UsersIBMDesktopProv_, wname(W) xtw(2) mataf

. spwmatfill latitude longitude, id(id) inwname(W) inwfrom(Mata) outwname(W) rowstand replace

. spwmatrix gecon latitude longitude, wn(winvenco) wt(invecon) econvar(gdp) row

图25 Spwmatrix - Inverse Economic Distance Spatial Weights Matrix（Panel Data）

参考资料：



st: New version of -spmlreg- and -spwmatrix- available on SSC [2013-03-19]

URL: /statalist/archive/2014-03/



xsmle: a Stata command for spatial panel-data models estimation

URL: /meeting/italy13/abstracts/materials/it13_belotti_hughes_

25

第三章 Stata 空间权重矩阵制作

3.5 遗留问题

3.5.1 Spwmatirx: [option] noisalnd设置问题

3.5.2 Spwmatirx: 使用该命令生成的时变空间权重嵌套矩阵是否正确，具体该如何应用？

26

面板空间计量之Stata应用:学习笔记

第四章 Stata 空间相关性检验

更新于 2016-04-12

4.1 空间相关性及其检验方法

空间相关性（又称空间依赖性）是空间效应识别的第一个来源，它产生于空间组织观测单元之间缺乏依赖性的考察。空间相关不仅意味着空间上的观测值缺乏独立性，而且意味着潜在于这种空间相关中的数据结构，也就是说空间相关的强度及模式由绝对位置（格局）和相对位置（距离）共同决定，请参考相关文献，例如：

张可云, 杨孟禹. 国外空间计量经济学研究回顾、进展与述评[J]. 产经评论, 2016(1):5-21.

任通先. Bootstrap方法在空间面板模型空间相关性检验中的应用研究[D]. 华南理工大学, 2015.

艾弘. 面板数据空间自相关检验的理论与应用研究[D]. 南开大学, 2005.

龙志和, 李文丽, 陈青青. 固定效应模型空间相关性的Bootstrap LMError检验[J]. 数量经济技术经济研究,

2015, 32(8): 149-160.

百度文库.第九章 空间计量经济模型

空间相关性检验的方法主要有：Moran's I (Moran,1948; Cliff & Ord,1972)、LMerr (Burridge, 1980)、LMerr-Robust

(Bera & Yoon, 1982)、LMsar/lag (Anselin, 1988)、LMsar/lag-Robust (Bera & Yoon, 1982)、Lratios (Anselin, 1988)、Walds (Anselin, 1988)。其中，Moran's I统计量仅能检验研究对象是否存在空间相关性，但不能确定空间关系以何种形式存在；而LMerr、LMerr-Robust、Lratios、Walds检验可以确定空间误差相关是否存在，LMsar/lag、LMsar/lag-Robust检验可以确定空间滞后相关是否存在。需要注意的是，以上空间自相关检验方法都是针对横截面数据提出的，并不能直接用于面板数据，需对空间权重矩阵做调整将其扩展才能应用于面板数据。请参考：

Arbia G. Introductory spatial econometrics with applications to regional convergence[J]. Springer&Verlag, Berlin,

Forthcoming, 2005.

王火根, 沈利生. 中国经济增长与能源消费空间面板分析[J]. 数量经济技术经济研究, 2007, 24(12):98-107

李婧, 谭清美, 白俊红. 中国区域创新生产能空间计量分析—基于静态与动态空间面板模型的实证研究[J].

管理世界, 2010(7):43-55.

周国富, 连飞. 中国地区GDP数据质量评估—基于空间面板数据模型的经验分析[J]. 山西财经大学学报,

2010(8):17-23.

4.2 空间自相关检验命令集合



Spautoc -- Stata modules to calculate spatial autocorrelation [Author: Nicholas Cox , 2006]

Spatgsa -- Measures of global spatial autocorrelation [Author: Maurizio Pisati, 2001]

Spatlsa -- Measures of local spatial autocorrelation [Author: Maurizio Pisati, 2001]

Spatcorr -- Stata modules to compute and plot spatial autocorrelation [Author: Maurizio Pisati, 2001]

Spatdiag -- Diagnostic tests for spatial dependence in OLS regression [Author: Maurizio Pisati, 2001]









27

第四章 Stata 空间相关性检验



4.3 空间自相关检验命令示范

4.3.1 Spautoc: Stata modules to calculate spatial autocorrelation



spautoc xvar neivar [if exp] [in range] [, weight(strvar) lmean(newvar) lmedian(newvar)]

Spautoc命令可直接对横截面数据进行Moran's I 和 Geary's c 空间自相关检验，以“”数据为例，在stata中输入以下命令语句，结果图1所示：

.cd C:UsersIBMDesktopspautoc

# 设置路径 #

. use , clear

. spautoc cows nei

# 基于邻接（Binary）矩阵 #

. spautoc cows nei,w(w)

# 基于距离（Distance）矩阵 #

图1 Spautoc: Moran’s I & Geary’s c Measures Stata界面窗口

需要说明的是，spautoc命令所使用数据中，空间权重矩阵变量“nei”、“weights”是以“字符型”来储存的，数据之间以空格隔开。如图1所示，“nei”变量为邻接空间权重矩阵，第一行数字代表截面id=1与截面id=2、3、4相邻；“weights”为距离空间权重矩阵，第一行数字代表截面id=1与截面id=2、3、4之间的距离。

参考资料：



IDEAS: SPAUTOC: Stata modules to calculate spatial autocorrelation (Moran and Geary measures)

URL: /c/boc/bocode/

4.3.2 Spatgsa: Measures of global spatial autocorrelation



spatgsa varlist , weights(matrix) [ moran geary go twotail ]

Spatgsa命令可对横截面数据进行Moran's I、Geary's c、Getis and Ord's G全局自相关检验，以Sg162中的“”数据为例，在stata中输入如下命令语句：

28

面板空间计量之Stata应用:学习笔记

. cd C:UsersIBMDesktopsg162

# 设置路径 #

. use ,clear

. spatwmaat using columbusswm,dta,name(W)

# 非标准化矩阵 #

. spatgsa hoval income crime, weights(W) moran geary go

# [Option-go] requires nonstandardized matrix #

图2 Spatgsa: Moran’s I & Geary’s c & Getis and Ord's G Stata界面窗口

参考资料：



Stb60-sg162: Tools for spatial data analysis

URL: /products/stb/journals/

4.3.3 Spatlsa: Measures of local spatial autocorrelation



spatlsa varname , weights(matrix) [ moran geary go1 go2 id(varname) twotail sort graph(moran|go1|go1) symbol(id|n)

map(filename) xcoord(varname) ycoord(varname) savegraph(filename [, replace]) ]

Spatlsa命令可直接对横截面数据进行Moran's I、Geary's c、Getis and Ord's G局域自相关检验，以Sg162中的“”数据为例，在stata中输入如下命令语句：

. cd C:UsersIBMDesktopsg162

# 设置路径 #

. use ,clear

. spatwmaat using ,name(W)

# 非标准化矩阵 #

. spatlsa crime, weights(W) moran geary go2

29

第四章 Stata 空间相关性检验

图3 Spatlsa: Moran’s I & Geary’s c & Getis and Ord's G Stata界面窗口

随后，在stata中输入如下语句，可作局域自相关散点图（如图4）：

. spatwmat using ,name(W) standardize

# 标准化矩阵 #

. spatlsa crime, weights(W) moran graph(moran) symbol(n)

图4 Spatlsa: Moran scatterplot for variable crime Stata界面窗口

参考资料：



Stb60-sg162: Tools for spatial data analysis

URL: /products/stb/journals/

4.3.4 Spatcorr: Stata modules to compute and plot spatial autocorrelation



spatcorr varname , bands(numlist) xcoord(varname) ycoord(varname) [ geary cumulative twotail graph needle

savegraph(filename [, replace]) ]

Spatcorr命令可“分段”对横截面数据进行Moran's I 和 Geary's c 空间自相关检验，以Sg162中的30

面板空间计量之Stata应用:学习笔记

“”数据为例，在stata中输入命令语句：

. cd C:UsersIBMDesktopSg162

# 设置路径 #

. use ,clear

.

spatcorr crime, bands(0(1)5) xcoord(x) ycoord(y)

# 默认Moran’s I 统计量；距离范围: 0-5 ,距离带宽: 1 #

.

spatcorr crime, bands(0(1)5) xcoord(x) ycoord(y) geary

# 设置为Geary’s c统计量 #

.

spatcorr crime, bands(0(1)5) xcoord(x) ycoord(y) twotail

# 设置为 双尾检验 #

.

spatcorr crime, bands(0(1)5) xcoord(x) ycoord(y) cumulative

# 设置为 累计分段 #

图5 Spatcorr: Moran’s I & Geary’s c Measures Stata界面窗口

参考资料：



Stb60-sg162: Tools for spatial data analysis

URL: /products/stb/journals/

4.3.5 Spatdiag: Diagnostic tests for spatial dependence in OLS regression



spatdiag , weights(matrix)

Spatdiag命令可以直接对横截面数据进行多种空间相关性检验，如空间自相关检验（Moran's I）、空间误差相关检验（LMerr、LMerr-Robust）和空间滞后相关检验（LMsar/lag、LMsar/lag-Robust），与Spatgsa、Spatlsa、Spatcorr等命令不同，Spatdiag命令需在OLS回归的基础上进行。以Sg162中的“”数据为例，在stata中输入命令语句：

. cd C:UsersIBMDesktopsg162

# 设置路径 #

. use ,clear

31

第四章 Stata 空间相关性检验

. spatwmaat using ,name(W) standardize

# 标准化矩阵 #

. regress crime hoval income

. spatdiag, weights(W)

图6 Spatdiag: Spatial Autocorrelation Test界面窗口

参考资料：



Stb60-sg162: Tools for spatial data analysis

URL: /products/stb/journals/

4.4 面板数据空间自相关检验

4.4.1 Stata

现阶段还没有关于面板数据空间自相关检验的Stata命令，Arbia（2005）、何江和张馨之（2006）、王火根和沈利生（2007）、李婧等（2010）、周国富和连飞（2010）等国内外学者采取的方法是：用分块对角矩阵

I

W （ITT

为T*T单位矩阵）替换Moran's I统计量中的截面空间权重矩阵（W），将其扩展并应用于面板数据空间自相关检验，其本质还是将面板数据视为一个“大截面”数据来测度。

WITW000000WNTNT（1）

我们以Panel文件夹中的2012-2014年中国东北三省（辽宁、吉林、黑龙江）的相关数据为例，由简单的横32

面板空间计量之Stata应用:学习笔记

截面空间自相关检验逐步过渡到面板数据自相关检验。首先，对2014年度中国东北三省GDP数据做全局、局部自相关检验，在stata中输入命令语句：

. cd C:UsersIBMDesktopPanel

. use C:UsersIBMDesktopPanelNortheast_,clear

. spatwmat using ,name(wcross)

. matrix list wcorss

. sort regioncode

# 注意：截面数据中截面排列顺序必须与空间权重矩阵保持一致 #

. list time region regioncode gdp

. spatgsa gdp, weights(wcross) moran

. spatlsa gdp, weights(wcross) moran

结果如图7所示：

图7 中国东北三省GDP：全局及局域自相关检验（2014）

然后，使用spwmatrix命令构造分块对角矩阵，在stata中输入命令语句：

. use C:UsersIBMDesktopPanelNortheast_, clear

. tsset regioncode time

# 或者：xtset #

. spwmatrix import using ,wname(wpanel1) xtw(3) xport(wpanel1xt,txt)

. matrix list wpanel1

. sort time regioncode

# 注意：面板数据中截面排列顺序必须与空间权重矩阵保持一致 #

. list time region regioncode gdp

. spatgsa gdp, weights(wpanel1) moran

33

第四章 Stata 空间相关性检验

. spatlsa gdp, weights(wpanel1) moran

结果如图8所示：

图8 中国东北三省GDP：全局及局域自相关检验（2012-2014 | spwmatrix）

需要注意的是，若使用spcs2xt命令构造面板空间权重矩阵，该矩阵并不是对角矩阵，此时需要对面板数据的排列形式做相应调整，在stata中输入命令语句：

. use C:,clear

. spcs2xt var*, matrix(wcorss) time(3)

. spatwmat using ,name(wpanel2)

. matrix list wpanel2

. use C:UsersIBMDesktopPanelNortheast_, clear

. tsset regioncode time

. sort regioncode time

# 注意：面板数据中截面排列顺序必须与空间权重矩阵保持一致 #

. list time region regioncode gdp

. spatgsa gdp, weights(wpanel2) moran

. spatlsa gdp, weights(wpanel2) moran

34

面板空间计量之Stata应用:学习笔记

结果如图9所示：

图9 中国东北三省GDP：全局及局域自相关检验（2012-2014 | spcs2xt）

最后，以“Northeast_”数据为例，在stata中输入命令语句：

. use C:UsersIBMDesktopPanelNortheast_, clear

. tsset regioncode time

# 或者：xtset #

. spwmatrix import using ,wname(wpanel1) xtw(3) xport(wpanel1xt,txt)

. matrix list wpanel1

. sort time regioncode

# 注意：面板数据中截面排列顺序必须与空间权重矩阵保持一致 #

. list time region regioncode gdp rd hr

. reg gdp rd hr

. spatdiag, weights(wpanel1)

结果如图10所示：

35

第四章 Stata 空间相关性检验

图10 中国东北三省GDP：空间自相关检验（2012-2014 | spatdiag）

注 意：在上述Stata操作中，空间面板数据的误差/滞后相关性是基于混合OLS回归检验的，目前暂无命令语句实现空间面板固定/随机效应回归、空间面板动态回归等模型中误差/滞后相关性检验。

4.4.2 Matlab

由于Stata暂时无法实现空间面板固定/随机效应回归、空间面板动态回归等模型中误差/滞后相关检验，我们以Panel文件夹中的2012-2014年中国东北三省（辽宁、吉林、黑龙江）“Northeast_”数据为例，使用jplv7-sptaial-panel- demoLMsarsem_panel.m，示范Matlab软件中OLS、双向固定效应回归的相关性检验。

% written by: Elhorst summer 2008

clear all;

A=xlsread('C:UsersIBMDesktopPanelNortheast_','data','D2:F10');

W1=xlsread('C:UsersIBMDesktopPanelNortheast_','matrix','B2:D4');

T=3; % number of time periods

36

面板空间计量之Stata应用:学习笔记

N=3; % number of regions

W=normw(W1); % row-normalize W

y=A(:,[1]); % column number in the data matrix that corresponds to the dependent variable

x=A(:,[2,3]); % column numbers in the data matrix that correspond to the independent variables

xconstant=ones(N*T,1);

[nobs K]=size(x);

% ----------------------------------------------------------------------------------------

图10 中国东北三省GDP：空间自相关检验（2012-2014 | Matlab）

参考资料：



sunhui116: MATLAB空间面板数据模型操作简介 [2011-12-21]

URL: /



L-dgao: 面板数据模型的空间相关性检验 [2012-11-28]

37

第四章 Stata 空间相关性检验

URL: /



L-dgao: 怎么用Moran I来对sar空间面板数据模型进行空间相关性检验？ [2013-01-18]

URL: /



rex_lee: 空间相关性稳健标准误的stata命令x_ols怎么下载？ [2015-11-09]

URL: /



启光辉: 如何在R中实现对空间面板数据的LM检验 [2015-06-26]

URL: /



Sssys: 空间面板数据的moran值怎么求得？ [2014-09-29]

URL: /



zjzcs87@: matlab空间面板的moran检验是否正确 [2012-09-13]

URL: /



Erinich: 空间面板数据可以计算局部moran吗？就是moran散点图 [2011-12-17]

URL: /



zjzcs87@: 空间面板LM_error和LM_lag检验 [2012-09-13]

URL: /



就是这么naïve: 关于用stata做空间面板计量时遇到的困惑，求高人指点！ [2015-02-01]

URL: /

4.5 遗留问题

4.5.1 面板数据局域自相关检验

问题描述：全局moran指数通过分块对角矩阵扩展到了面板空间数据里面，原理似乎是将面板看成是截面数据来进行分析的，但局部的moran就不太一样了，全局moran只有一个数值，所以可以得到一个结果，但是局部moran的话就有一个T年的问题，最后得到的是一个N*T的矩阵，如何操作呢？

4.5.2 Matlab空间计量操作扩展

问题描述：Matlab空间计量相关性检验结果与Stata检验结果有不一致的情况，Matlab软件需要进一步深化学习。

38

面板空间计量之Stata应用:学习笔记

第五章 Stata 空间面板数据回归

更新于 2016-04-19

5.1 空间面板数据模型理论

空间计量经济的模型主要有两种：一种是空间自回归/滞后（SAR/SLM）模型，主要是用于研究相邻机构或地区的行为，对整个系统内其他机构或地区的行为存在影响的情况；另一种是空间误差（SEM）模型，在这种模型中机构或区域间的相互关系通过随机干扰项来体现。此外，还有空间杜宾模型（SDM）、空间误差自相关模型（SAC）以及空间误差移动平均模型(SARAR)等，详情请参考相关文献，例如：

Federico Belotti, Gordon Hughes, Andrea Piano Mortari. Spatial panel data models using Stata[J]. CEIS Research

Paper, 2016.

张可云, 杨孟禹. 国外空间计量经济学研究回顾、进展与述评[J]. 产经评论, 2016(1):5-21.

胡亚权. 空间面板数据模型及其应用研究[D]. 华中科技大学, 2012.

季民河, 武占云, 姜磊. 空间面板数据模型设定问题分析[J]. 统计与信息论坛, 2011, 26(6):3-9.

百度文库. 第九章 空间计量经济模型

5.2 空间面板数据回归命令集合



xsmle -- Stata modules to calculate spatial autocorrelation [Author: Belotti , 2014]

5.3 空间面板数据回归命令示范



Spatial Autoregressive (SAR) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) model(sar) [SAR_options]



Spatial Durbin (SDM) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) model(sdm) [SDM_options]



Spatial Autocorrelation (SAC) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) emat(name) model(sac) [SAC_options]



Spatial Error (SEM) model

xsmle depvar [indepvars] [if] [in] [weight] , emat(name) model(sem) [SEM_options]



Generalised Spatial Panel Random Effects (GSPRE) model

xsmle depvar [indepvars] [if] [in] [weight] , wmat(name) model(gspre) [emat(name) GSPRE_options]

Xsmle命令可以完成面板数据SAR、SEM、SDM、SAC和GSPRE估计，我们以“”数据为例，对其操作过程作简要的示范。参考Federico （2016）的命令教程，空间面板数据回归可由SDM模型开始，在Stata中输入命令语句：

. cd C:UsersIBMDesktopxsmle

# 设置路径 #

. spmat use w using

. spmat summarize w,links

. use "C:", clear

39

第五章 Stata 空间面板数据回归

. xtset state year

. sum pcap hwy water util pc gsp emp unemp

结果如图1所示：

图1 空间权重矩阵 & 变量描述性统计

第一，在Stata中输入SDM固定效应回归命令：

. xsmle gsp hwy pc unemp,wmat(w) model(sdm) fe type(both) nsim(500) nolog

#

type (ind/time/both)

① #

. est store sdm_fe

结果如图2所示：

图2 SDM固定效应回归结果

第二，在Stata中输入SDM随机效应回归命令：

. xsmle gsp hwy pc unemp,wmat(w) model(sdm) re type(both) nsim(500) nolog

. est store sdm_re

① 注：ind代表固定效应，time代表时点固定效应，both代表时点地区双向固定效应； [Option]请参考: Federico Belotti, Gordon Hughes,

Andrea Piano Mortari. Spatial panel data models using Stata[J]. CEIS Research Paper, 2016.

40

面板空间计量之Stata应用:学习笔记

结果如图3所示：

图3 SDM随机效应回归结果

第四，在Stata中输入霍斯曼检验命令：

. hausman sdm_fe sdm_re

结果如图4所示：

图 4 SDM霍斯曼检验结果（一）

需要注意的是，霍斯曼检验的结果为负值，参考Federico （2016）的命令教程，遇到此类情况可通过

[option-hausman]选项，重新进行霍斯曼检验，在stata中输入命令语句：

. xsmle gsp hwy pc unemp,wmat(w) model(sdm) fe type(both) hausman noeff nolog

结果如图5所示：

41

第五章 Stata 空间面板数据回归

图5 SDM霍斯曼检验结果（二）

注意： Confrmailiby error & Convergence not achieved，操作失败！

第五，在Stata中输入以下命令语句，进行Wald和Lratio检验，判断模型的适配情况：

. test [Wx]hwy=[Wx]pc=[Wx]unemp=0

. testnl ([Wx]hwy=-[Spatial]rho*[Main]hwy) ([Wx]pc=-[Spatial]rho*[Main]pc) ([Wx]unemp =-[Spatial]rho

*[Main]unemp)

结果如图6所示：

图6 SAR vs. SEM vs. SDM模型适配检验结果

如图6所示，Wald和Lratio检验结果分别拒绝了θ = 0 和θ = -βρ的假设，显然SAR、SEM模型并不适用于本例；我们继续在SAC与SDM之间做选择，并输入命令语句：

. est restore sdm_fe

. estat ic

. xsmle pcap hwy pc unemp,wmat(w) emat(w) model(sac) fe type(both) noeff nolog

. estat ic

结果如图7所示：

图7 SAC vs. SDM模型适配检验结果

42

面板空间计量之Stata应用:学习笔记

不难发现，加入误差滞后项AIC和BIC值均变小，显然SAC模型更加适合本例。

参考资料：



Stata：Re: st: anyone using xsmle-pls help

URL：/statalist/archive/2013-05/



独往独行：运行空间面板命令xsmle遇到问题，请各位指点

URL：/

3.4 遗留问题

问题描述：xslme-hausman检验中遇到的Confrmailiby error问题，如何解决呢？

43