如何估计 R 中的空间自回归模型？答案

【问题标题】：How to estimate a Spatial Autoregressive model in R?如何估计 R 中的空间自回归模型？
【发布时间】：2014-05-24 08:35:02
【问题描述】：

我正在尝试使用Franzese & Hays (2007) 使用横截面时间序列数据的空间计量经济模型论文中的数据来估计 R 中的一些空间模型。我专注于他们在表 4 中给出的结果（见下文）。使用lm，我能够为 OLS、S-OLS 和 S-2SLS 模型复制他们的结果。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，但空间滞后的估计系数有相当大的余量（输出如下所示）。我不完全确定为什么 GLM 在这种情况下不是正确的估计方法。使用 GLS，我得到类似于 GLM 的结果（可能是 related）。

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

我尝试使用splm 包，但这会导致更大的一致性（输出如下所示）。此外，我无法在模型中包含固定效果。

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

所以基本上我的问题是如何正确估计具有R 中横截面时间序列数据的 SAR 模型？

R-code

Replication data

Adjacency matrix

【问题讨论】：

查看spdep 包（更常见的是Spatial task view）
据我所知spdep 不处理时间序列横截面数据。

标签： r spatial

【解决方案1】：

使用 R 很重要吗？

我建议您检查 Geoda 的功能，Geoda 是亚利桑那州立大学提供的免费空间分析包。

虽然我只用它来运行基本的空间 OLS（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documentation 并考虑下载最新版本。

如果你必须使用 R，我建议探索 GeoXp 包 (http://cran.r-project.org/web/packages/GeoXp/index.html)。

【讨论】：