空间杜宾模型stata代码

cd "C:\Users\Desktop\空间杜宾模型和检验以及结果解释\stata数据1"

空间杜宾模型和检验以及结果解释\

stata数据 //设为自己的工作路径

use data,clear

***一、变量的描述性统计

sum y x1 x2 x3 a1 a2 a3 a4

***二、空间计量模型准备工作

gen lnx1 = ln(x1)

gen lnx2 = ln(x2)

gen lnx3 = ln(x3)

replace lnx1 =0 if missing(lnx1)

***三、空间权重矩阵制作

spatwmat using W.dta, n(W) standardize

matrix list W

***四、空间相关性检验

**Moran’ s I指数

*（1）计算全局莫兰指数

xtset id year

spatwmat using W.dta, n(W) standardize

=============================！！！！！从preserve到restore务必视为一个整体，选中一起执行！！============

1.方法1!!!!

preserve

keep if year==2004      //改变年份2004

spatgsa y,weights(W) moran geary twotail

restore

forvalue i  = 2004/2016{

preserve  

keep if year==`i'

spatgsa y,weights(W) moran twotail  //计算全局莫兰指数

restore

}

2.方法2!!!(因为扩大了矩阵，所以可以同时对所有年份求全局莫兰指数)

clear all

use W,clear                                 //W为矩阵名称

spcs2xt a1-a30,matrix(aaa)time(13)    //扩大权重矩阵数量，因为W是30x30而样本有390组观测值，需要扩大13倍，此时会生成aaaxt.dta的390x390的权重矩阵

spatwmat using aaaxt,name(W) standardize

use data, clear

spatgsa y,weights(W) moran geary twotail

*（2）计算局部莫兰指数

use data,clear

xtset id year

spatwmat using W.dta, n(W) standardize

preserve

keep if year==2006      //改变年份2004

spatlsa y,weights(W) moran twotail    //计算局部莫兰指数

restore

**moran散点图

*第一种方法

preserve

keep if year==2004      //改变年份2004

splagvar y , wname(W) wfrom(Stata) moran(y) plot(y)

restore

*第二种方法

1.方法一

preserve

keep if year==2016     //改变年份2019

spatlsa y,weights(W)moran graph(moran) symbol(id) id(pro)  //显示地名

restore

2.方法二

clear all

use W,clear                                 //W为矩阵名称

spcs2xt a1-a30,matrix(aaa)time(13)    //扩大权重矩阵数量，因为W是30x30而样本有390组观测值，需要扩大13倍，此时会生成aaaxt.dta的390x390的权重矩阵

spatwmat using aaaxt,name(W) standardize

use data, clear

spatlsa y,weights(W)moran graph(moran) symbol(id) id(pro)

***五、空间计量模型

**空间杜宾模型（SDM）

use data,clear

xtset id year

spatwmat using W.dta,name(W) standardize

*随机效应模型

xsmle y x* a*, model(sdm) wmat(W) type(both) nolog effects re

*时间固定效应

xsmle y x* a*, model(sdm) wmat(W) type(time) nolog effects fe

*个体固定效应

xsmle y x* a*, model(sdm) wmat(W) type(ind) nolog effects fe

*双固定效应

xsmle y x* a*, model(sdm) wmat(W) type(both) nolog effects fe

**空间误差模型（SEM）

xtset id year

spatwmat using W.dta,name(W) standardize

*随机效应模型

xsmle y x* a*, model(sem) emat(W) type(both) nolog effects re

*时间固定效应

xsmle y x* a*, model(sem) emat(W) type(time) nolog effects fe

*个体固定效应

xsmle y x* a*, model(sem) emat(W) type(ind) nolog effects fe

*双固定效应

xsmle y x* a*, model(sem) emat(W) type(both) nolog effects fe

**空间滞后模型（SLM）

xtset id year

spatwmat using W.dta,name(W) standardize

*随机效应模型

xsmle y x* a*, model(sar) wmat(W) type(both) nolog effects re

*时间固定效应

xsmle y x* a*, model(sar) wmat(W) type(time) nolog effects fe

*个体固定效应

xsmle y x* a*, model(sar) wmat(W) type(ind) nolog effects fe

*双固定效应

xsmle y x* a*, model(sar) wmat(W) type(both) nolog effects fe

***六、相关检验

**6.1LM检验(只有LM检验需要扩大矩阵)

clear all

use data, clear

use W                                   //W为矩阵名称

spcs2xt a1-a30,matrix(aaa)time(13)    //扩大权重矩阵数量，因为W是30x30而样本有390组观测值，需要扩大13倍，此时会生成aaaxt.dta的390x390的权重矩阵

spatwmat using aaaxt,name(W)

clear

use data                      //调用论文数据data                            

xtset id year   

reg y x1 x2 x3 a1 a2 a3 a4

spatdiag,weights(W)

**6.2效应检验

use data,clear

xtset id year

spatwmat using W.dta, n(W) standardize

xsmle y x1 x2 x3 a1 a2 a3 a4 , fe model(sdm) wmat(W) nolog noeffects type(ind)

est store ind

xsmle y x1 x2 x3 a1 a2 a3 a4 , fe model(sdm) wmat(W) nolog noeffects type(time)

est store time

xsmle y x1 x2 x3 a1 a2 a3 a4 , fe model(sdm) wmat(W) nolog noeffects type(both)

est store both

lrtest both ind,df(10)  //比较“双向”和“个体”效应  LR检验

lrtest both time,df(10)  //比较“时间”和“双向”效应  LR检验

drop _est_ind _est_time _est_both

**6.3Hausman检验

xsmle y x1 x2 x3 a1 a2 a3 a4 , fe model(sdm) wmat(W) nolog noeffects type(both)

est store fe

xsmle y x1 x2 x3 a1 a2 a3 a4 , re model(sdm) wmat(W) nolog noeffects type(both)

est store re

hausman fe re

**6.4Wald检验

clear all

use data

spatwmat using W.dta,name(W) standardize

xtset id year

xsmle y x* a*, fe model(sdm) wmat(W) type(both) nolog noeffects

//Wald Test for SAR

test [Wx]x1 = [Wx]x2 = [Wx]x3 = [Wx]a1= [Wx]a2= [Wx]a3= [Wx]a4=0

//Wald Test for SEM

testnl ([Wx]x1 = -[Spatial]rho*[Main]x1)([Wx]x2 = -[Spatial]rho*[Main]x2)([Wx]x3= -[Spatial]rho*[Main]x3) ([Wx]a1 = -[Spatial]rho*[Main]a1)([Wx]a2= -[Spatial]rho*[Main]a2) ([Wx]a3 = -[Spatial]rho*[Main]a3)([Wx]a4= -[Spatial]rho*[Main]a4)

**6.5 LR检验

xsmle y x* a*, fe model(sdm) wmat(W) type(both) nolog noeffects

est store sdm

xsmle y x* a*, fe model(sar) wmat(W) type(both) nolog noeffects

est store sar

xsmle y x* a*, fe model(sem) emat(W) type(both) nolog noeffects

est store sem

lrtest sdm sar  //H0：空间杜宾模型可以简化为空间滞后模型（SAR）

lrtest sdm sem  //H0：空间杜宾模型可以简化为空间误差模型（SEM）

**七、空间杜宾模型结果解释

xsmle y x1 x2 x3 a1 a2 a3 a4 , fe model(sdm) wmat(W) nolog noeffects type(both)

xsmle y x1 x2 x3 a1 a2 a3 a4 , fe model(sdm) wmat(W) nolog effects type(both)  //效应分解了！

xsmle y x1 x2 x3 a1 a2 a3 a4 , fe model(sdm) wmat(W) nolog noeffects type(ind)

est store ind

xsmle y x1 x2 x3 a1 a2 a3 a4 , fe model(sdm) wmat(W) nolog noeffects type(time)

est store time

xsmle y x1 x2 x3 a1 a2 a3 a4 , fe model(sdm) wmat(W) nolog noeffects type(both)

est store both

**以下三行代码一起执行！！！

local m " ind time both"

esttab `m', mtitle(`m') nogap s(r2 N )

logout, save(Descriptive2) word replace: esttab `m', mtitle(`m') nogap s(r2 N ) //输出到word

**八、绘制地图(包含南海九段线的中国地图)

cd C:\Users\52811\Desktop\空间杜宾模型和检验以及结果解释\中国地图 //根据自己情况调整，调整至工作目录中国地图

use china_province_data,clear

**从excel表格中，把变量y复制过来！！！！

spmap y using "china_province_co",id(area_id) clnumber(3) title("中国地图") label(label(name) xcoord(xxx) ycoord(yyy) size(*.76)) fcolor(Reds)