空间面板模型-空间分析

空间面板模型1.1空间面板模型我们生活在时间和空间中，每个事件都在一定的时间和地点发生， 因而可以标度出时间和空间坐标，这样的数据可以称为空间面板数据，它是指一定空间单元的时间序列观测。在研究实际问题时，空间面板数据本身具有更大自由度、更丰富的信息量、更多的变异。空间面板模型（SpatialPanelModel）是针对空间面板数据分析而提出的模型。相对于一般的回归模型及空间回归模型，它能够提参数高估计的有效性。空间模型在寻求科学解释方面有着重要的作用。 通过空间面板模型，可以更好地结合研究对象的时空分布特征，发现其影响因素及规律。空间面板模型可分为两类：空间滞后模型和空间误差模型。（1）空间滞后模型（SpatialLagModel）空间滞后模型的基础形式为Nyit Wjyjt「x't•叫-◎ （6.2）其中，;:空间自相关系数，表示空间个体之间的相互作用W:空间权重矩阵，含义与第七章所述的空间权重矩阵相同iT23,…，N:横截面上的个体（某一区域、范围等），共有N个t二1,2,3,…，T：表示时间序列上的时点（某一时刻），共有T个yit:在区域i、时刻t上的被解释变量Xit:在区域i、时刻t上的解释变量讥：空间的个体的效应，反映不受时间影响的空间特质。':回归系数r2让：与时间和空间都有关系的随机误差项，其均值为 0，方差为'，独立同分布空间滞后模型主要在传统面板模型的基础上考虑了空间上的自相关， 可以度量不同空间个体的相互影响。（2）空间误差模型（SpatialErrorModel）空间误差模型基本形式为yit八Xit•叫•冷N「t=:八Wj「jt■入j4其中：:空间自相关系数，反映回归残差之间空间相关性的程度。it:自相关的空间误差W:空间权重矩阵，含义与第七章所述的空间权重矩阵相同i二1,2,3,…，N:横截面上的个体（某一区域、范围等），共有N个t二1,2,3,…，T：表示时间序列上的时点（某一时刻），共有t个yit:在区域i、时刻t上的被解释变量Xit:在区域i、时刻t上的解释变量人：空间的个体的效应，反映不受时间影响的空间特质。':回归系数汛：与时间和空间都有关系的随机误差项，其均值为 0，方差为二I独立同分布。空间相关性除了由其他空间的影响造成，也可能是通过被忽略了的变量起作用。在传统的模型中，认为这种相关性为噪声，实际上它度量了其他空间单元的因变量的误差对本空间单元观测值的影响程度。空间误差模型可以用于衡量这种由于其他空间的误差影响而产生的自相关性。案例【8-2】采用空间面板模型分析2011年京津唐地区疾病数据，寻找疾病发病率的主要影响因素

案例分析导图使用的数据本节所用的数据为2011年京津唐地区某疾病的月度发病率，此处指展示前十条，如表错误！文档中没有指定样式的文字。-1。该数据存放于光盘中的"空间面板格式.csv"文件。表错误！文档中没有指定样式的文字。-12011年京津唐地区的月度某疾病发病情况codedateratepopuDenPerGdpaveTemprecprelHumsunShnwndspd1101012011014.4862.442514.7547-4.76108026.821642392.65125.259891101012011023.15942.453214.7856-2.36269117.874551.258251424.92419.238841101012011035.09822.463914.81707.896197025.531322812.12727.19841101012011045.94022.474514.848815.05488157.521436.445982597.41627.9921811010120110510.53872.485314.880921.15366225.534437.712452740.56628.8251811010120110614.5622.496014.913426.297371137.35552.528362390.69223.7806311010120110723.34792.506914.944627.388322611.29967.498981557.91818.9594911010120110824.30862.517814.976126.307281593.76472.3341891.93518.8720911010120110914.16282.528615.009620.06084620.812660.619732093.26419.032951101012011107.89272.539515.041914.05408270.40362.431721716.00416.15945表8-2各变量的含义变量名称变量含义单位code地理编码无date年月信息rate发病率popuDen人口密度千人/平方公里PerGdp当月人均国内生产总值千元aveTem平均温度摄氏度precp降水量毫米relHum相对湿度%sunShn日照强度瓦/平方米wndspd风速千米/时此外，还需要的数据是包含该地区所有区县的地图文件( dbf文件和shp文件)。该文件为存放于光盘中的"JJT.dbf"和"JJT.shp",另外，该文件也可以通过ArcGis软件从全国各区县地图中选择生成。采用R语言建立空间面板模型第一步，加载如下程序包。代码如下：library(splm)library(spdep)library(sp)library(maptools)library(foreign)第二步，导入所需的数据，代码如下：hData<-read.csv("C:空间面板格式.csv")#导入发病率和影响因素的数据dbf<-read.dbf("C:/JJT.dbf")#导入地图的数据(dbf格式)第三步，将导入的两组数据合并，代码如下：hData<-merge(hData,dbf,by.x="code",by.y="CNTY_CODE",all.x=T)第四步，生成新变量：人口密度(PopuDen)、人均GDP(PerGdp)，代码如下：hData<-cbind(hData,PopuDen=hData$population/hData$area*10A6,PerGdp=hData$gdp/hData$population)第五步，导入shp格式的地图文件。由于dbf文件无法存储各地理单元的位置关系，导致无法生成空间权重矩阵，因此还需要导入 shp格式的地图文件，代码如下:data.shp<-readShapePoly("C:/JJT.shp")第六步，生成空间权重矩阵。改步使用 poly2nb函数实现，需要两个输入参数。第一个参数是导入的shp格式的地图数据名称。第二个参数是空间权重的确定方法(逻辑变量queen)，如果采用queen方法，则参数为TRUE，如果为rock方法，参数为FALSE，代码如下：data.nb<-poly2nb(data.shp,queen=TRUE)第七步，建立空间面板模型，采用spml函数。所使用的参数如下：fm:模型公式，用于指出因变量与自变量，data自变量与因变量取值的数据，listw:空间权重矩阵，需要用nb2listw函数进行一次转换，model:面板模型形式，spatial.error:处理空间误差的方法，lag：是否采用滞后模型。代码如下：fm<-rate~PopuDen+PerGdp+aveTem+precp+sunShn+wndspdspatFixLag<-spml(fm,data=hData,listw=nb2listw(data.nb),model="within",spatial.error="none",lag=TRUE)summary(spatFixLag)#结果展示本例中采用的是空间滞后模型，如果想建立空间误差模型，可使用以下代码：spatFixErr<-spml(fm,data=hData,listw=nb2listw(data.nb),model="within”，spatial.error="b",lag=FALSE)结果分析空间滞后模型的结果如下：表错误！文档中没有指定样式的文字。-2空间面板(滞后模型)结果变量系数标准差T值P值Lambda0.56190.040313.9374<2.2e-16***PopuDen2.63393.97860.66200.5079

PerGdp-1.51140.7665-1.97180.0486*aveTem0.01040.01985.27531.325e-07***Precp0.00060.00032.24180.02497*sunShn0.00070.00051.37550.1690Wndspd-0.15230.0445-3.42460.0006***Lambda即为滞后因子的系数，即相邻空间个体对所研究的空间个体的影响程度。以