r - 如何在 R 中估计空间自回归模型？

Question

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。 。我重点关注表 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，某些解释变量会存在一些细微差异，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应。

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使用 R 中的横截面时间序列数据正确估计 SAR 模型？

R-code

Replication data

Adjacency matrix

Answer 1

使用 R 很重要吗？

我建议您检查一下 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。

虽然我只用它来运行基本的空间 OLS(不是 2SLS)，但我对 Geoda 的灵 active 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。

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