莫兰指数stata命令_⼀⽂读懂16个sp系列stata空间计量命令及
应⽤
推荐阅读:空间计量课程三部曲:零基础轻松搞定空间计量:空间计量及GeoDa、Stata、Matlab应⽤,免费赠送数据资料等
在Stata 15中,推出了最新的空间计量官⽅命令,均以sp开头,表⽰ spatial data),可以处理横截⾯与⾯板形式的空间数据。本⽂主要为⼤家介绍空间计量命令。
⼀、命令汇总
1、Preparing data/数据准备
zipfile:Compress and uncompress files in zip archive format,表⽰压缩和解压缩zip存档格式的⽂档
spshape2dta:Translate shapefile to Stata format表⽰可以将 shapefile ⽂件转换为 Stata 格式
spset:Declare data to be Sp spatial data声明空间数据
spbalance:Make panel data strongly balanced使⾯板数据具有很强的平衡性
spcompress:Compress Stata-format shapefile压缩数据成stata格式的shapefile
2、Looking at data/观测数据
grmap:Graph choropleth maps绘制等值区域图
spdistance:Calculator for distance between places计算区域之间距离
3、Setting the spatial weighting matrix/设置空间权重矩阵
spmatrix:Create, manipulate, and import/export weighting matrices表⽰创建操作管理、导⼊和导出空间权重矩阵
spgenerate:Generate spatial lag variables⽣成空间滞后变量
4、Fitting models/模型估计
spregress:Fit cross-sectional SAR models估计截⾯SAR模型
spivregress:Fit cross-sectional SAR models with endogenous covariates 估计⼯具变量SAR模型
spxtregress:Fit panel-data SAR models估计⾯板数据SAR模型
5、Postestimation/估计检验命令
estat moran:Moran's test after regress莫兰指数检验
spregress postestimation:Postestimation tools for spregress截⾯SAR检验
spivregress postestimation:Postestimation tools for spivregress⼯具变量SAR检验
spxtregress postestimation: Postestimation tools for spxtregress⾯板SAR检验
2、操作应⽤介绍
⾸先导⼊并且下载homicide1990.dta和homicide1990_shp.dta ,其中homicide1990.dta表⽰的是具有相关变量的数据,⽽homicide1990_shp.dta是可以构建相关权重矩阵的数据,数据如下:
1、⾸先导⼊homicide1990数据,命令为:
use homicide1990
Convert the coordinates to latitude and longitude and measure the distance in miles
spset, modify coordsys(latlong, miles)
spmatrix命令简介
spmatrix可以⽤来定义、创建、导⼊、导出空间权重矩阵,基本语法格式为:
spmatrix create contiguity spmatname [if] [in] [, contoptions stdoptions] spmatrix create idistance spmatname [if] [in] [, idistoption stdoptions]
其中spmatrix create contiguity W,此命令将根据相邻关系(contiguity)来创建空间权重矩阵 ,⽽idistance 表⽰ inverse distance,将⽣成基于距离倒数的空间权重矩阵。
2、对于横截⾯数据,估计截⾯SAR模型命令为spregress,语法格式为:
Generalized spatial two-stage least squares表⽰进⾏ GS2SLS 估计
spregress depvar [indepvars] [if] [in], gs2sls [gs2sls_options]
stata怎么发音Maximum likelihood表⽰进⾏ MLE 估计
spregress depvar [indepvars] [if] [in], ml [ml_options]
(1)在spregress depvar [indepvars] [if] [in], gs2sls [gs2sls_options]表达式中,选项包括:
dvarlag(spmatname):spatially lagged dependent variable; repeatable表⽰指定被解释变量(dependent variable)的空间权重矩阵
errorlag(spmatname):spatially lagged errors; repeatable , 表⽰⽤于指定误差项(error term)的空间权重矩阵。
ivarlag(spmatname : varlist):spatially lagged independent variables; repeatable/表⽰⽤于指定⾃变量(independent variable)的空间权重矩阵。
noconstant:suppress constant term
heteroskedastic:treat errors as heteroskedastic
level(#):set confidence level; default is level(95)表⽰设置置信⽔平,默认为95%
另外选择项 robust 表⽰使⽤稳健标准误。
(2)在spregress depvar [indepvars] [if] [in], ml [ml_options]
表达式中,包括的选项基本⼀致,区别之处在于ml⽅法不同。
3、⼯具变量法SAR模型估计命令为:spivregress,语法格式为:
spivregress depvar [varlist_1] (varlist_2 = varlist_iv) [if] [in] [, options]
选择项包括ml gs2sls dvarlag(W) errorlag(W) ivarlag(W: x1 x2),含义与spregress ⼀致。
4、⾯板SAR模型估计命令为:spxtregress,语法格式为:
Fixed-effects maximum likelihood
spxtregress depvar [indepvars] [if] [in], fe [fe_options]
Random-effects maximum likelihood
spxtregress depvar [indepvars] [if] [in], re [re_options]
选项包括如下:
dvarlag(spmatname):spatially lagged dependent variable
errorlag(spmatname):spatially lagged errors
ivarlag(spmatname : varlist):spatially lagged independent variables; repeatable
5、操作应⽤介绍
use homicide_1960_1990  //导⼊数据
xtset _ID year
spset
Create a contiguity weighting matrix with the default spectral normalization
spmatrix create contiguity W if year == 1990    //以1990年数据为基准构建空间权重矩阵Fit a spatial autoregressive random-effects model
spxtregress hrate ln_population ln_pdensity ar, re dvarlag(W)
//空间滞后模型回归
Create an inverse-distance weighting matrix with the default spectral normalization spmatrix create idistance M if year == 1990
Same as above but use the alternative formulation of the estimator
spxtregress hrate ln_population ln_pdensity ar, re sarpanel dvarlag(M) errorlag(M)

版权声明:本站内容均来自互联网,仅供演示用,请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198,我们将在24小时内删除。