基于MATLAB实现空间计量模型（SVAR、SEM、SMD等）及检验方法（LM、Wald等）
一、核心模型MATLAB实现
1. 空间杜宾模型（SDM）
%% 数据准备
load('spatial_panel.mat'); % 包含y, x, W矩阵
n = size(y,1); T = size(y,2);%% 模型估计
model = 1; % 1=空间固定效应, 2=时间固定效应
y_demean = y - mean(y,2); % 去均值处理
x_demean = x - repmat(mean(x,2),1,T);%% 构建空间滞后项
Wx = W * x_demean;%% 构建回归矩阵
X = [ones(n,1) x_demean Wx];%% OLS估计
results = ols(y_demean(:), X(:));
beta = reshape(results.beta, [T, size(x,2)+2]);%% 空间效应分解
direct = beta(:,3); % 直接效应
indirect = (W * beta(:,3) - beta(:,3)); % 间接效应
total = direct + indirect; % 总效应
关键参数说明：
W需为行标准化空间权重矩阵model=1时自动计算区域固定效应
2. 结构方程模型（SEM）
%% 定义测量模型
Lambda = [1 0; 1 0; 0 1; 0 1]; % 潜变量与显变量关系
Theta = diag([0.5 0.5 0.5 0.5]); % 测量误差%% 定义结构模型
Beta = [0 0; 0.6 0]; % 潜变量间路径系数
Psi = diag([1 1]); % 潜变量方差%% 构建模型结构体
model.Lambda = Lambda;
model.Beta = Beta;
model.Theta = Theta;
model.Psi = Psi;%% 生成模拟数据
X = [normrnd(0,1,100,4) normrnd(0,1,100,4)];
fit = sem(model, X);%% 模型修正
sem.plot(fit); % 查看路径图
sem.modify(fit, 'add', 'lambda', [0.3 0.4]); % 添加路径
应用场景：适用于多变量因果关系分析（如经济政策效应评估）
3. 空间向量自回归（SVAR）
%% 构建空间滞后矩阵
W = normw(W1); % 权重矩阵标准化
A = [0.5 0.2; 0.3 0.7]; % 系数矩阵%% 生成SVAR数据
n = 100; T = 50;
u = mvnrnd(zeros(2,1), eye(2), T*n);
Y = zeros(T,n);
for t = 3:TY(t,:) = A*(Y(t-1,:) + A*(Y(t-2,:) + W*Y(t,:)')) + u(t,:);
end%% 脉冲响应分析
irf = irf(Y, 10); % 10期脉冲响应
plot(irf); % 绘制响应曲线
关键改进：可结合TVP-VAR实现时变参数估计
二、空间计量检验方法
1. LM检验系列
%% 基础LM检验
[LMlag, LMerr, rLMlag, rLMerr] = LMsarsem_panel(beta, W, y, x);%% Robust LM检验
[RobustLMlag, RobustLMerr] = LMsarsem_panel(beta, W, y, x, 'robust');%% 决策规则
if LMlag > chi2inv(0.95,1)disp('选择空间滞后模型(SLM)');
elseif LMerr > chi2inv(0.95,1)disp('选择空间误差模型(SEM)');
elsedisp('无法拒绝无空间效应原假设');
end
检验意义：判断空间相关性来源（滞后/误差）
2. Wald检验
%% 参数约束检验
R = [1 0 0; 0 1 0]; % 约束矩阵（如β1=β2）
q = [0; 0]; % 约束值[Wstat, pval] = waldtest(beta, R, q, V); % V为协方差矩阵%% 结果解读
if pval < 0.05disp('拒绝原假设，参数存在显著差异');
elsedisp('无法拒绝原假设');
end
应用场景：检验空间权重矩阵设定合理性
三、模型选择与优化
1. 模型选择标准
| 准则 | 计算公式 | 选择原则 |
|---|---|---|
| AIC | -2logL + 2k | 值越小越好 |
| BIC | -2logL + k*log(n) | 值越小越好 |
| LR统计量 | 2(logL_unrestricted - logL_restricted) | p<0.05时拒绝原假设 |
2. 参数优化技巧
%% 使用BFGS算法优化
options = optimoptions('fminunc','Algorithm','quasi-newton');
[opt_beta, opt_logL] = fminunc(@(b) -loglikelihood(b,y,W), beta0,options);%% 贝叶斯估计（MCMC）
niter = 10000; burnin = 2000;
[beta_post, sigma_post] = gibbs_sampler(y,W,niter,burnin);
四、完整分析流程示例
-
数据预处理
% 空间权重矩阵构建 W = make_W(coords, 'queen'); % 基于坐标生成皇后邻接矩阵 W = normw(W); % 行标准化 -
模型估计
% 空间滞后模型 results_sar = sar_panel(y, x, W, 'fix', 1); % 固定效应 prt_reg(results_sar); -
诊断检验
% 空间自相关检验 moran_test = moran(y, x, W); disp(['Moran''s I: ', num2str(moran_test.statistic)]);% 残差诊断 [h,p] = lbqtest(residuals,'lags',2); % Ljung-Box检验 -
结果可视化
% 直接/间接效应图 figure; bar([mean(direct), mean(total)]); legend('直接效应','总效应');
五、扩展应用案例
案例1：环境规制空间溢出
% 构建时空权重矩阵
W = make_W(coords, 'distance', 500); % 500km阈值
W = W * W'; % 时空交互矩阵% 时空杜宾模型估计
results_std = std_panel(y, x, W, 'time', 1);
案例2：多区域经济收敛
% 空间收敛模型
y_growth = log(y(2:end,:)) - log(y(1:end-1,:));
results_converge = sar_panel(y_growth, x_growth, W, 'fix', 2);
参考代码 空间计量的各种模型 www.youwenfan.com/contentcnl/79035.html
六、注意事项
- 数据格式要求：面板数据需按
(N*T)×K矩阵组织 - 收敛性判断：迭代算法需监控对数似然值变化
- 软件兼容性：建议配合ArcGIS进行空间可视化
- 最新进展：可结合Python的
spreg库进行交叉验证
该方法体系已在区域经济、环境科学等领域成功应用，典型数据集包括中国省级面板数据（GDP、能源消耗等）。建议通过MATLAB File Exchange获取最新工具箱（如Spatial Econometrics Toolbox）。