第七講-空間計(jì)量經(jīng)濟(jì)學(xué)模型的matlab估計(jì)

1、精選優(yōu)質(zhì)文檔-傾情為你奉上空間計(jì)量經(jīng)濟(jì)學(xué)基本模型的matlab估計(jì)專心-專注-專業(yè)一、空間滯后模型sar（）=Ø 函數(shù)功能估計(jì)空間滯后模型（空間自回歸-回歸模型）中的未知參數(shù)、和2。=Ø 使用方法res=sar(y，x，W，info）*res： 存儲(chǔ)結(jié)果的變量；y： 被解釋變量；x： 解釋變量；w： 空間權(quán)重矩陣；info：結(jié)構(gòu)化參數(shù)，具體可使用 help sar 語(yǔ)句查看=Ø 注意事項(xiàng)1) WW為權(quán)重矩陣，因?yàn)槭窍∈杈仃?，原始?shù)據(jù)通常以n×3的數(shù)組形式存儲(chǔ)，需要用sparse函數(shù)轉(zhuǎn)換為矩陣形式。*2) ydev（不再需要）sar函數(shù)求解的標(biāo)準(zhǔn)模型可以包

2、含常數(shù)項(xiàng)，被解釋變量（因變量）y，不再需要轉(zhuǎn)換為離差形式（ydev）。*3) x需要注意x的生成方式，應(yīng)將常數(shù)項(xiàng)包括在內(nèi)。*4) infoinfo為結(jié)構(gòu)化參數(shù)，事前賦值；通常調(diào)整info.lflag（標(biāo)準(zhǔn)n?1000）、info.rmin和info.rmax。*5) vnames在輸出結(jié)果中說(shuō)明被解釋變量。使用方法：vnames=strvcat(variable name1,variable name2);*6) Asymptotic t-stat（漸進(jìn)t統(tǒng)計(jì)量）rho的檢驗(yàn)：漸進(jìn)t分布，估計(jì)值的顯著性使用相應(yīng)的Z概率表示。=Ø 應(yīng)用實(shí)例估計(jì)地區(qū)投票率受周邊地區(qū)投票率的影響程度

3、52; 案例素材1997年，Pace等人研究了美國(guó)3107個(gè)縣的選舉投票率影響因素，運(yùn)用的是美國(guó)1980年大選的公開(kāi)投票數(shù)據(jù)，形成了一個(gè)包含3107個(gè)樣本數(shù)據(jù)的截面數(shù)據(jù)集elect.dat。可以通過(guò)matlab軟件打開(kāi)elect.dat查看，并打開(kāi)elect.txt查看各列數(shù)據(jù)的含義。ü 計(jì)量模型認(rèn)為各縣的投票率受到相鄰地區(qū)投票率的影響，同時(shí)，還受到選民教育水平、選民住房情況、選民收入水平的影響，據(jù)此得到如下計(jì)量模型：y=0+Wy+x+N（0，2In）轉(zhuǎn)換為：y=Wy+1 x0 +N（0，2In）ü 程序語(yǔ)句l 1）近似估計(jì)缺省設(shè)置：info.lflag=1注意取對(duì)數(shù)值，得

4、到y(tǒng)，x。l 2）精確估計(jì)info.lflag=0ü 運(yùn)行結(jié)果=xy2cont（）v 函數(shù)功能：使用地區(qū)x坐標(biāo)和y坐標(biāo)，生成空間鄰接矩陣。v 使用方法：W1 W2 W3=xy2cont(x,y)其中，W2是行標(biāo)準(zhǔn)化后的空間鄰接矩陣。v 一個(gè)例子：使用anselin數(shù)據(jù)，生成w，并與wmat比較其差異。=二、空間誤差模型sem（）=Ø 函數(shù)功能估計(jì)空間誤差模型中的未知參數(shù)、和2。=Ø 使用方法res=sem(y，x，W，info）*res： 存儲(chǔ)結(jié)果的變量；y： 被解釋變量；x： 解釋變量；w： 空間權(quán)重矩陣；info：結(jié)構(gòu)化參數(shù)，具體可使用 help sem 語(yǔ)句

5、查看=Ø 注意事項(xiàng)1) xx應(yīng)將常數(shù)項(xiàng)包括在內(nèi)。*2) infoinfo為結(jié)構(gòu)化參數(shù)，事前賦值；通常調(diào)整info.lflag（標(biāo)準(zhǔn)n?1000）、info.rmin和info.rmax。*3) vnames在輸出結(jié)果中說(shuō)明被解釋變量。使用方法：vnames=strvcat(variable name1,variable name2);*=Ø 應(yīng)用實(shí)例估計(jì)地區(qū)投票率受周邊地區(qū)投票率的影響程度ü 案例素材1997年，Pace等人研究了美國(guó)3107個(gè)縣的選舉投票率影響因素，運(yùn)用的是美國(guó)1980年大選的公開(kāi)投票數(shù)據(jù)，形成了一個(gè)包含3107個(gè)樣本數(shù)據(jù)的截面數(shù)據(jù)集elect.

6、dat?？梢酝ㄟ^(guò)matlab軟件打開(kāi)elect.dat查看，并打開(kāi)elect.txt查看各列數(shù)據(jù)的含義。ü 計(jì)量模型認(rèn)為各縣的投票率受到相鄰地區(qū)投票率的影響，同時(shí)，還受到選民教育水平、選民住房情況、選民收入水平的影響，據(jù)此得到如下計(jì)量模型：y=0+x+uu=Wu+N（0，2In）轉(zhuǎn)換為：y=1 x0 +uu=Wu+N（0，2In）ü 程序語(yǔ)句l 1）近似估計(jì)缺省設(shè)置：info.lflag=1注意取對(duì)數(shù)值，得到y(tǒng)，x。l 2）精確估計(jì)info.lflag=0ü 運(yùn)行結(jié)果=Ø 誤差項(xiàng)空間依賴性的檢驗(yàn)*1) Moran I統(tǒng)計(jì)量檢驗(yàn)v 使用方法：res=mor

7、an（y,x,W）;prt(res);*2) 似然比檢驗(yàn)（lratios）v 使用方法：res=lratios（y,x,W）;prt(res);*3) 拉格朗日乘子（LM）檢驗(yàn)v 使用方法：res=lmerror（y,x,W）;prt(res);*4) 沃德（Walds）檢驗(yàn)v 使用方法：res=walds（y,x,W）;prt(res);*5) 基于sar殘差的檢驗(yàn)v 使用方法：res=lmsar（y,x,W1,W2）;prt(res);=三、空間杜賓模型sdm（）=Ø 函數(shù)功能估計(jì)空間杜賓模型中的未知參數(shù)、1、2和2。=Ø 使用方法res=sdm(y，X，W，info）

8、*info：結(jié)構(gòu)化參數(shù)，具體可使用 help sdm 語(yǔ)句查看=Ø 注意事項(xiàng)1) X模型中，第一個(gè)X包括常數(shù)項(xiàng)，第二個(gè)未包括常數(shù)項(xiàng)。但程序中的X應(yīng)將常數(shù)項(xiàng)包括在內(nèi)，程序會(huì)自動(dòng)處理。*2) infoinfo為結(jié)構(gòu)化參數(shù)，事前賦值；通常調(diào)整info.lflag（標(biāo)準(zhǔn)n?1000）、info.rmin和info.rmax。*=Ø 應(yīng)用實(shí)例1) 估計(jì)地區(qū)犯罪率受周邊地區(qū)犯罪率的影響程度ü 案例素材Anselin在1980年研究了美國(guó)俄亥俄州（Ohio）哥倫布市（Columbus）49個(gè)縣的犯罪率影響因素，形成了一個(gè)包含49個(gè)樣本數(shù)據(jù)的截面數(shù)據(jù)集anselin.dat?？梢?/p>

9、通過(guò)matlab軟件打開(kāi)anselin.dat查看，并打開(kāi)anselin.txt查看各列數(shù)據(jù)的含義。ü 計(jì)量模型y=0+Wy+x1+Wx2+N（0，2In）ü 程序語(yǔ)句l 1）近似估計(jì) 缺省設(shè)置info.lflag=1；或者info.lflag=2。l 2）精確估計(jì) 更改設(shè)置：info.lflag=0ü 運(yùn)行結(jié)果2) 估計(jì)地區(qū)投票率受周邊地區(qū)投票率的影響程度ü 案例素材1997年，Pace等人研究了美國(guó)3107個(gè)縣的選舉投票率影響因素，運(yùn)用的是美國(guó)1980年大選的公開(kāi)投票數(shù)據(jù)，形成了一個(gè)包含3107個(gè)樣本數(shù)據(jù)的截面數(shù)據(jù)集elect.dat。可以通過(guò)mat

10、lab軟件打開(kāi)elect.dat查看，并打開(kāi)elect.txt查看各列數(shù)據(jù)的含義。ü 計(jì)量模型ü 程序語(yǔ)句l 1）近似估計(jì)缺省設(shè)置：info.lflag=1；或者info.lflag=2.注意y的取值問(wèn)題：用點(diǎn)除（./）l 2）精確估計(jì)由于n>1000，只能使用近似估計(jì)。ü 運(yùn)行結(jié)果=四、廣義空間模型sac（）=Ø 函數(shù)功能估計(jì)廣義空間模型y=W1y+x+uu=W2u+N（0，2In）中的未知參數(shù)、和2。=Ø 使用方法res=sac(y，X，W1，W2，info）=Ø 高階鄰接矩陣的生成slag（） Wp=slag（W，p）注意：不包括低階鄰接。=Ø 應(yīng)用實(shí)例1) 估計(jì)地區(qū)犯罪率受周邊地區(qū)犯罪率的影響程度2) 估計(jì)地區(qū)投票率受周邊地區(qū)投票率的影響程度=練習(xí)作業(yè)1) 估計(jì)地區(qū)犯罪率受周邊地區(qū)犯罪率以及其他因素的影響程度數(shù)據(jù)：Anselin（1980）。方法：采用精確估計(jì)，分別采用空間滯后、空間誤差、空間杜賓和廣義空間模型估計(jì)。具體任務(wù)：分別按照不同的模型，（1）編寫(xiě)運(yùn)算語(yǔ)句；（2