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

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