利用STATA创建空间权重矩阵及空间杜宾模型计算----命

1、*创建空间权重矩阵介绍*设置默认路径cdC:UsersxiuboDesktopF182013.v4F101994sheng*创建新文件*shp2dta:readsashape(.shp)anddbase(.dbf)filefromdiskandconvertsthemintoStatadatasets.*shp2dta读取CHN_adml文件*CHN_adml:为已有的地图文件*database(chinaprovince表示创建一个名称为“chinaprovin”的dBase数据集*database(filenam:e)SpecifiesfilenameofnewdBasedataset*c

2、oordinates(coord)创建一个名称为“coord”的坐标系数据集*coordinates(filena:meS)pecifiesfilenameofnewcoordinatesdataset*gencentroids(stu:b)Createscentroidvariables*genid(newvarname):Createsuniqueidvariablefordatabase.dtashp2dtausingCHN_adm1,database(chinaprovince)coordinates(coord)genid(id)gencentroids(c)*绘制2016年中國GD

3、P分布圖*spmap:Visualizationofspatialdata*clnumber(#):numberofclasses*id(idvar):basemappolygonideii识别符T(声明变量名，一般以字母或下划线开头，包含数字、字母、下划线)*_2016GDP:变量*coord之前创建的坐标系数据集spmap_2016GDPusingcoord,id(id)clnumber(5)*更改变量名renamex_clongituderenamey_clatitude*生成距离矩阵*spmat:用于定义与管理空间权重矩阵*Spatial-weightingmatricesaresto

4、redinspatial-weightingmatrixobjects(spmatobjects).*spmatobjectscontainadditionalinformationaboutthedatausedinconstructingspatial-weightingmatrices.*spmatobjectsareusedinfittinsgpatialmodels;seespreg(ifinstalleda)ndspivreg(ifinstalled).*idistanc产生距离矩阵)createanspmatobjectcontaininganinverse-distancema

5、trixW*或contiguity:createanspmatobjectcontainingacontiguitymatrixW*idistance_jingdU名名称为“idistance_jin”的距離矩陣*longitud使用经度*latitud使用纬度*id(id使用id*dfunction(function,mi设置)计算距离方法)specifythedistancefunction.*functionmaybeoneofeuclidean(default),dhaversine,rhaversine,ortheMinkowskidistanceoforderp,wherepisa

6、nintegergreaterthanorequalto1.*normalize(row)(:行标准化)specifiesoneofthethreeavailablenormalizationtechniques:row,minmax,andspectral.*Inarow-normalizedmatrix,eachelementinrowiisdividedbythesumofrowi'selements.*Inaminmax-normalizedmatrix,eachelementisdividedbytheminimumofthelargestrowsumandcolumnsum

7、ofthematrix.*Inaspectral-normalizemdatrix,eachelementisdividedbythemodulusofthelargesteigenvalueofthematrix.spmatidistanceidistance_jingdulongitudelatitude,id(id)dfunction(euclidean)normalize(row)*保存stat可读文件idistance_jingdu.spmatspmatsaveidistance_jingduusingidistance_jingdu.spmat*将刚刚保存的idistance_ji

8、ngdu.sp文件转化为txt文件spmatexportidistance_jingduusingidistance_jingdu.txt*生成相邻矩阵spmatcontiguitycontiguity.jingduusingcoord,id(id)normalize(row)spmatsavecontiguity.jingduusingcontiguity.jingdu.spmatspmatexportcontiguity.jingduusingcontiguity.jingdu.txt*计算Moran'sI*安装spatwmat*spatwmat:用于定义空间权重矩阵*spatwm

9、at:importsorgeneratesthespatialweightsmatricesrequiredbyspatgsa,spatlsa,spatdiag,andspatreg.*Asanoption,spatwmatalsogeneratestheeigenvaluesmatrixrequiredbyspatreg.*name(W):读取空间权重矩阵W*name(W):使用生成的空间权重矩阵W*xcoord：X坐标*ycoord：y坐标*band(08)宽:窗介绍*band(numlist)isrequiredifoptionusingfilenameisnotspecified.*I

10、tspecifiesthelowerandupperboundsofthedistancebandwithinwhichlocationpairsmustbeconsidered"neighbors"(i.e.,spatiallycontiguous)*and,therefore,assignedanonzerospatialweight.*binary:requesttshatabinaryweightsmatrixbegenerated.Tothisaim,allnonzerospatialweightsaresetto1.spatwmat,name(W)xcoord(

11、longitude)ycoord(latitude)band(08)*安装绘制Moran's工具：splagvar*splagvar-Generatesspatiallylaggedvariables,constructstheMoranscatterplot,*andcalculatesglobalMoran'sIstatistics.*_2016GDP:使用变量2016GDP*wname(W):使用空间权重矩阵W*indicatethenameofthespatialweightsmatrixtobeused*wfrom(Stata):indicatesourceofthe

12、spatialweightsmatrix*wfrom(Stata|Mata)indicateswhetherthespatialweightsmatrixisaStatamatrixloadedinmemoryoraMatafilelocatedintheworkingdirectory.*IfthespatialweightsmatrixhadbeencreatedusingspwmatrixitshouldexistasaStatamatrorasaMatafile.*moran(_2016GDP):计算变量2016GDP的Moran's值*plot(_2016GDP)构建变量_2

13、016GDPMoran散点图splagvar_2016GDPwname(W)wfrom(Stata)moran(_2016GDP)plot(_2016GDP)*使用距离矩阵计算空间计量模型*设置默认路径cdD：软件学习软件资料statasta指导书籍命令陈强高级计量经济学及stat应用(第二版)全部数据*使用product.dt数据集(陈强的高级计量经济学及其stat应用P594)*将数据集product.dt存入当前工作路径useproduct.dta,clear*创建新变量，对原有部分变量取对数genlngsp=log(gsp)genlnpcap=log(pcap)genlnpc=log(

14、pc)genlnemp=log(emp)*将空间权重矩阵usaww.spat存入当前工作路径spmatuseusawwusingusaww.spmat*使用聚类稳健的标准误估计随机效应的SDM模型xsmlelngsplnpcaplnpclnempunemp,wmat(usaww)model(sdm)robustnolog*使用选择项durbin(lnemp)不选择不显著的变量，使用聚类稳健的标准误估计随机效应的SDM模型xsmlelngsplnpcaplnpclnempunemp,wmat(usaww)model(sdm)durbin(lnemp)robustnolognoeffects*使用

15、选择项durbin(lnemp)不选择不显著的变量，使用聚类稳健的标准误估计固定效应的SDM模型xsmlelngsplnpcaplnpclnempunemp,wmat(usaww)model(sdm)durbin(lnemp)robustnolognoeffectsfe*存储随机效应和固定效应结果quixsmlelngsplnpcaplnpclnempunemp,wmat(usaww)model(sdm)durbin(lnemp)r2nolognoeffectsreeststorequixsmlelngsplnpcaplnpclnempunemp,wmat(usaww)model(sdm)du

16、rbin(lnemp)r2nolognoeffectsfeeststofe*esttab将保存的结果汇总到一张表格中*b(fmt):specifyformatforpointestimates*beta(fmt):displaybetacoefficientsinsteadofpointest's*se(fmt):displaystandarderrorsinsteadoftstatistics*star(*0.*0.05*0.0标记不同显著性水平对应的P值*r2|ar2|pr2(fmt):display(adjusted,pseudo)R-squared*p(fmt):display

17、p-valuesinsteadoftstatistics*label:makeuseofvariablelabels*title(string):specifyatitleforthetableesttabfere,bser2star(*0*.10.05*0.01)*hausman检验*进行hausman检验前，回归中没有使用稳健标准误没用“r”),*是因为传统的豪斯曼检验建立在同方差的前提下*constant:includeestimatedinterceptsincomparison;defaultistoexclude*df(#):use#degreesoffreedom*sigmamo

18、re:baseboth(co)variancmeatricesondisturbancevarianceestimatefromefficientestimator*sigmaless:basbeoth(co)variancmeatricesondisturbancevarianceestimatefromconsistentestimatorhausmanfere*有时我们还会得到负的chi2值即chi2，表明模型不能满足Hausman检验的渐近假设。产生这些情况的原因可能有多种，*但我认为一个主要的原因是我们的模型设定有问题，导致Hausman检验的基本假设得不到满足。*这时，我们最好先对模型的设定进行分析，看看是否有遗漏变量的问题，或者某些变量是非平稳的等等。*在确定模型的设定没有问题的情况下再进行Hausman检验，如果仍然拒绝原假设或是出现上面的问题，*那么我们就认为随机效应模型的基本假设(个体效应与解释变量不相关)得不到满足。*此时，需要采用工具变量法或是使用固定效应模型。*连玉君(论文(2014):Hausman检验统计量有效性的MonteCarl(模拟分析)*研究了hausman检验统计量的小样本性质，结果表明