如何估计R中的空间自回归模型?
我试图利用一篇关于空间经济计量模型的论文中的数据,通过使用横截面时间序列数据来估计R中的一些空间模型。 我主要关注表4中给出的结果(见下文)。 使用如何估计R中的空间自回归模型?,r,spatial,R,Spatial,我试图利用一篇关于空间经济计量模型的论文中的数据,通过使用横截面时间序列数据来估计R中的一些空间模型。 我主要关注表4中给出的结果(见下文)。 使用lm我能够复制OLS、S-OLS和S-2SLS模型的结果。 然而,在尝试估计S-ML(空间最大似然)模型时,我遇到了麻烦 如果我使用GLM模型,一些解释变量会有一些细微的差异,但对于空间滞后的估计系数(如下所示的输出)有很大的差异。 我不能完全确定为什么在这种情况下GLM不是正确的估计方法。 使用GLS,我得到与GLM类似的结果(可能) 因此,基本
lm
我能够复制OLS、S-OLS和S-2SLS模型的结果。
然而,在尝试估计S-ML(空间最大似然)模型时,我遇到了麻烦
如果我使用GLM模型,一些解释变量会有一些细微的差异,但对于空间滞后的估计系数(如下所示的输出)有很大的差异。
我不能完全确定为什么在这种情况下GLM不是正确的估计方法。
使用GLS,我得到与GLM类似的结果(可能)
因此,基本上我的问题是,如何用R
中的横截面时间序列数据正确估计SAR模型
使用R是否至关重要 我建议您检查Geoda的功能,这是亚利桑那州立大学提供的免费空间分析软件包 虽然我只使用它来运行基本的空间OLS(而不是2SLS),但我对Geoda的灵活性和可视化工具感到满意。我鼓励您浏览并考虑下载最新版本。
如果您必须使用R,我建议探索GeoXp包()。查看
spdep
包(一般请参阅),据我所知spdep
不处理时间序列横截面数据。
require(MASS)
m4<-glm(lnlmtue~lnlmtue_1+SpatLag+DENSITY+DEIND+lngdp_pc+UR+TRADE+FDI+LLVOTE+LEFTC+TCDEMC+GOVCON+OLDAGE+factor(cc)+factor(year),family=gaussian,data=fh)
summary(m4)
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 7.199091355 3.924227850 1.835 0.068684 .
lnlmtue_1 0.435487985 0.080844033 5.387 0.000000293 ***
SpatLag -0.437680018 0.101078950 -4.330 0.000028105 ***
DENSITY 0.007633016 0.010268468 0.743 0.458510
DEIND 0.040270153 0.032304496 1.247 0.214618
require(splm)
m4a<-spml(lnlmtue~lnlmtue_1+DENSITY+DEIND+lngdp_pc+UR+TRADE+FDI+LLVOTE+LEFTC+ TCDEMC+GOVCON+OLDAGE,data=fh,index=c("cc","year"),listw=mat2listw(wmat),
model="pooling",spatial.error="none",lag=T)
summary(m4a)
Coefficients:
Estimate Std. Error t-value Pr(>|t|)
(Intercept) 1.79439070 0.78042284 2.2993 0.02149 *
lnlmtue_1 0.75795987 0.04828145 15.6988 < 2e-16 ***
DENSITY -0.00026038 0.00203002 -0.1283 0.89794
DEIND -0.00489516 0.01414457 -0.3461 0.72928