workshopofsdar的个人博客分享 http://blog.sciencenet.cn/u/workshopofsdar

博文

一招搞定空间横截面数据回归模型

已有 13392 次阅读 2020-3-9 21:21 |个人分类:区域经济研究|系统分类:科研笔记


  【导读】

利用shp2mat包生成空间权重矩阵,然后用spatial.cross输出所有回归结果。

 

一、使用空间计量经济模型的动机

一种方法从来都是为了解决问题,而不是故弄玄虚。所以,在准备用空间回归分析之前,我们得先问自己,为什么要用它?这有两大考虑:一是模型更可靠,二是为了识别空间效应。在一个空间样本集中,样本点之间是相互影响的,这种影响表现在数据上就是Y的空间自相关性,一般用莫兰指数来衡量。空间自相关来源有三:或是Y之间相互影响,或是毗邻的X影响本身的Y,或是模型中忽略的因素存在空间关联性。

根据这三种关联机制,建模的思路也很直接:如果是邻居的Yj影响自身的Yi(反过来Yi也会影响Yj),那就把邻居的Yj值平均后视为新的自变量LY,加到X中去再回归。好比浙江的GDP受到本身投入水平的影响,但也与周边的GDP产出水平有关,因此需要将其毗邻省份,如上海、江苏、安徽、江西、福建的GDP平均后作为新的自变量。每个省份都如此处理,就得到了一列新的变量。

如果是邻居的X影响本身的Y,类似以上做法,把邻居X平均后得到的变量LX加进原有的X再做回归。一般来说,有多少个X,就有多少个LX

如果模型中应该考虑LY或(和)LX而你没有考虑,统计上看,就等于产生了遗漏变量偏差,因此模型估计是不可靠的。

第三种情况,模型中忽略的因素间存在空间关联性,这种效应将被误差项吸收,造成误差项相关。如果忽略的因素外生性很强,如环境变量或是外生冲击等,其不会造成有偏性或是一致性等问题,因此在大样本下问题不严重,但其会影响估计效率。处理方法是将误差项设定为空间自回归,等于将其分解,一部分为空间自相关部分,则剩下的那部分就是白噪声了。举个例子,假如在城市某区域政府突然要建一个垃圾站,则将会整体拉低那篇区域的房价,使其变动表现出空间自相关性。假如在房价影响模型中你没有考虑这个影响(当然你可以设置虚拟变量或是加入与垃圾站的距离来予以考虑),则其影响就归入误差项中,统计上表现出来就是残差值的莫兰指数显著。

除了模型估计上的考虑外,有时候还想看一下邻居到底对自身有没有影响?如果有,是正向还是负向(通常为正向),影响效应到底有多大?这就是空间效应的识别,这是普通回归模型所做不到的。

基于上述三种空间效应的组合,可以得到7种不同形式的空间回归模型。这些模型中,用得比较多的是空间滞后模型(SLM)、空间误差模型(SEM)和空间杜宾模型(SDM)。

 

七种模型.png

 

二、直接效应和间接效应

如何利用空间回归识别空间效应?这个比较复杂,它不能简答地理解为空间回归系数,如ρλ等,需要将总效应分解为直接效应和间接效应,后者即为空间溢出效应。

从样本总体来看,我们看到的是所有观测单元某一个X的平均变动,所造成的Y的平均变动。考虑一个包含3个单元、只有一个X的简单情况。在普通回归模型设定里,单元间是彼此独立的,如果X1(即第一个单元的X,下同)、X2X3都变动1个单位,Y1Y2Y3分别变动123个单位,则Y的平均变动为( 1+2+3)] / 3=2个单位。但在空间回归模型设定里,我们观测到的是Y可能变动2.5个单位。因为单元间存在空间互动,所以X1变动1个单位,除了造成自己的Y1变动1个单位外(由于存在反馈效应,实际上会大于1),还使得旁边的Y2Y3分别变动0.10.2个单位;X2变动一个单位,除了造成Y2变动2个单位外,还造成旁边的Y1Y3分别变动0.20.3个单位;X3变动一个单位,除了造成Y3变动3个单位外,还造成旁边的Y1Y2分别变动0.30.4个单位。这样,我们在总体上看到的是:X平均变动1个单位,Y平均变动[(1+0.1+0.2)+(2+0.2+0.3)+(3+0.3+0.4)] / 3=2+0.5=2.5个单位。2.5个单位变动的总效应中,2个单位是直接效应,0.5个单位是间接效应。

当然,现实情况远比以上例子复杂。如X1影响Y1Y2Y3,后两者又反过来影响Y1。每个人既影响自己,也影响邻居,邻居反过来影响自己,同时又影响邻居的邻居。只要没有孤岛,这种影响就如波浪般绵延不绝。等到了一个均衡状态,空间溢出效应就相对稳定了。

至于分解的计算公式,以及如何判别间接效应的显著性,这里不予详述,反正软件会算出来,我们懂其原理即可,具体请参看Elhorst2014p20-25)。

 

三、空间横截面数据计量经济分析

从数据角度看,要做空间回归,需要的不过是在普通数据集上加上空间权重矩阵,然后用软件分析即可。这里关键是空间权重矩阵的生成,工具有GeoDaStataR等,各有千秋,都基于存储地理坐标数据的shape文件。这里以中国31个大陆省份为例,用笔者编写的shp2mat命令生成31*31的空间权重矩阵。这个命令的使用请参看本公众号已经发表的文章《shp2mat:基于shape文件生成空间权重矩阵》。一言以蔽之,无论是生成0-1形式矩阵,还是距离倒数矩阵(包括距离阈值),用这个命令一行代码即可得到n*n矩阵,且在有“孤岛”的情况下自动将其最近单元设为邻居。

经验上讲,如果想顺利运行空间回归,首先观测数据性质要良好,即不要有缺失值、无穷值等;其次是空间权重矩阵最好为稀疏(即有大量0值),每个单元确保至少有1个邻居(即不能出现某行全为0的情况),行标准化之前为对称最好,但这不是必须的。如果你不知道何种方式矩阵为最佳,那么就选最原始的0-1邻接矩阵,并保持对称。

运行以下命令,将数据和准备用来生成权重矩阵的shape文件读入内存。这里数据为中国大陆31个省份的规模以上工业产值和固定资产、劳动力数等投入产出数据,shape文件存储31个省份的地理边界坐标。

代码1:读入属性和空间数据,并生成空间权重矩阵

# 需要预先(安装)加载readXLrgdalspdepspatialregtexreg等包,略

# 读入属性数据并将变量取对数

> mydata <- read_excel("省规工业数据2000.xlsx")

> mydata <- transform(mydata,

                          lnproduct=log(工业总产值),

                          lnassets =log(固定资产),

                          lnlabors =log(从业人员))

# 读入shape文件数据

> myshp <-   readOGR("China_province31_shp\\province31.shp",   encoding="utf-8")

# shape文件单元调整为与属性数据表一致

> myshp <- myshp[match(mydata$省份, myshp$NAME),]

# 生成空间权重矩阵(默认为0-1空间邻接形式),然后予以行标准化

> source("shp2mat.R")

> myswm <- shp2mat(myshp)

Warning message:  #21号单元海南没有毗邻省份,给它配上距离最近的邻居,并给出警告

Unit 21 has no neighbor, find its nearest   unit 20 as its neighbor.

> myswm <- swm.norm(myswm)

# 权重矩阵输出,可供MatlabStata等软件使用,输出的矩阵包含行名和列名

> write.csv(myswm,   "p31_swm.csv")

数据准备好后,就可以用spatialreg包中的各种命令进行空间回归分析了。

代码2:横截面数据空间回归分析

# 设定回归公式

> fm <- lnproduct ~ lnassets + lnlabors

# n*n权重矩阵转成listw对象,需明确设定行标准化(W)以适应lmSLX函数,否则其会将截距也空间滞后

> mylistw <- mat2listw(myswm,   style="W")

# OLS回归

> ols <- lm(fm, mydata)

# 空间滞后模型SAR

> sar <- lagsarlm(fm, mydata, mylistw)

> summary(sar)

               Estimate Std. Error z value    Pr(>|z|)

(Intercept) -2.452503   0.633602 -3.8707 0.0001085

lnassets       1.185742   0.154514  7.6740 1.665e-14

lnlabors       0.048116   0.143074  0.3363 0.7366427

Rho: 0.15619, LR test value: 8.3213, p-value:   0.0039183

# 空间误差模型SEM

> sem <- errorsarlm(fm, mydata,   mylistw)

# 空间复合模型SAC

> sac <- sacsarlm(fm, mydata, mylistw)

# 自变量空间滞后模型SLX,仅空间滞后部分变量

> slx <- lmSLX(fm, mydata, mylistw,   Durbin=~lnlabors)

# 空间杜宾模型SDM,空间滞后所有变量

> sdm <- lagsarlm(fm, mydata, mylistw, Durbin=T)

# 空间杜宾误差模型SDEM

> sdem <- errorsarlm(fm, mydata,   mylistw, Durbin=T)

# 通用嵌套模型GNS

> gns <- sacsarlm(fm, mydata, mylistw,   Durbin=T)

以上多个回归结果可以用textreg包中的相应函数表格化输出:

代码3:表格化输出多个回归结果

# OLSSARSEMSACSDM五个模型结果输出为屏幕文本表格

> screenreg(list(ols, sar, sem, sac, sdm),

                custom.model.names=c("OLS","SAR","SEM","SAC",   "SDM"))


表格屏幕输出.png


用笔者自编的函数spatial.cross可一次性运行所有8个回归,并将结果输出为word表格。

代码4:表格化输出多个回归结果

# 所有模型一次性估计,并将全部结果写出到工作文件夹的spatialreg.doc表格

> source("spatial_cross.R")

> results <- spatial.cross(fm, mydata,   mylistw, Durbin=T)

# 函数lmSLX输出的SLX类对象不能被texreg包函数识别,将其改为普通的lm对象

> class(results[["SLX"]]) <-   "lm"

# 将结果表格输出到工作文件夹中的spatialreg.doc文件

> htmlreg(results,   file="spatialreg.doc", doctype=TRUE, digits=3)


表格doc输出.png


 

四、总效应分解

总效应分解比较复杂。以空间杜宾模型为例,运行以下代码,即可将总效应分解为直接效应和间接效应,并通过模拟抽样分布的方法进行统计显著性检验。

代码5:总效应分解

# 空间杜宾模型效应分解,无显著性判断

> ev <- eigenw(mylistw)

> sdm2 <- lagsarlm(fm, mydata, mylistw,   Durbin=T, control=list(pre_eig=ev))

> impacts(sdm2, listw=mylistw)

              Direct   Indirect       Total

lnassets 1.1369237  0.3835558    1.52047956

lnlabors 0.1091415 -0.1714666 -0.06232517

# 空间杜宾模型效应分解,进行显著性判断,需要用coda包模拟抽样分布

> library(coda)

> tr.matc <- trW(as(mylistw,   "CsparseMatrix"))

> slm.imp <- impacts(sdm2, tr=tr.matc,   R=1000)

> summary(slm.imp, zstats=TRUE,   short=TRUE)

========================================================

Simulation results (asymptotic variance   matrix):

========================================================

Simulated standard errors

            Direct    Indirect     Total

lnassets 0.1659784 0.8736238 0.9580027

lnlabors 0.1480907 0.7537447 0.8076951

Simulated z-values:

              Direct   Indirect      Total

lnassets 6.8833015  0.5064105    1.6543708

lnlabors 0.6994679 -0.2821460 -0.1350527

Simulated p-values:

           Direct     Indirect Total  

lnassets 5.8482e-12 0.61257  0.098052

lnlabors 0.48426    0.77783    0.892570


参考文献:Elhorst J P. Spatial econometrics: from cross-sectional data to spatial panels[M]. Berlin: Springer, 2014.


数据和代码下载请关注微信公众号:思达区域经济研究方法SDAR-workshop

扫码或长按,关注该微信号

微信公众号二维码.jpg

版权申明

本号所有图文资料,除特别说明外,其版权归浙江工业大学王庆喜教授领衔的“思达工作室”所有。转发、引用请注明原始出处。

网络链接

1科学网博客:http://blog.sciencenet.cn/u/workshopofsdar

2、经管之家(原人大经济论坛)账号:R语言区域经济

公众号功能

1、致力于打造中国R语言空间数据分析第号;

2、探讨R语言、ArcGISmatlabGeoDaStataSPSS等软件在空间数据分析中的应用;

3、讨论产业集聚、空间溢出、区域创新网络、城市群发展等热门研究主题。

 




https://blog.sciencenet.cn/blog-3376208-1222645.html

上一篇:shp2mat:基于shape文件生成空间权重矩阵
收藏 IP: 117.147.47.*| 热度|

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-11-5 22:23

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部