|
来源：计量经济学服务中心综合整理自《Stata统计分析与应用》、《高级计量经济学》、《空间计量经济学》 转载请注明来源 从计量经济学模型的角度提出空间计量经济学问题，实质是关于模型残差性质的分析，主要是残差与解释变量的正交性问题。 考虑截面数据模型： Y=Xβ+ε 假设模型满足识别条件，即在模型中，有N＞K条件成立。如果对模型的参数进行估计，参数估计量的无偏性。 假设模型中存在空间相关性，并且假设模型中N个样本为对应的N个区域，也就是说，第i个区域与第j个区域的被解释变量存在一定的相关性。类似于分析异方差问题时所讨论的，这一区域之间的相关性不是凭空产生的，而是由模型中被解释变量、解释变量的空间相关性造成的。 例如，如果被解释变量是人均GDP，其中一个解释变量是投资，由于投资造成的影响存在空间效应，从而使得被解释变量存在空间相关性。如果这一空间相关性没有被参数化出来，可以认为相关性在一定程度上体现在残差中，从而可以将残差写成e=f(Xi)，于是前面的残差与解释变量正交性便无法得到满足，从而得到的OLS估计量不是无偏估计量。 一．简介 众所周知，模型形式的正确设定是进行精确计量计算的前提和基础，如果模型设定不当，如解释变量选择不当、测量误差、函数形式不妥等，则会导致“设定误差”的出现，即模型本身的设定所带来的误差。 假设真实的模型如下所示： y1＝x1β1＋x2β2＋u （1） 在这个模型中，x1和x2可以是向量，且与扰动项不相关，而实际研究中估计的模型为 y1＝x1β1＋u （2） 通过这两个方程的对比不难发现，在实际研究过程中，方程（2）将遗漏变量x2纳入到了新的扰动项中，这将会导致以下两种情形的结果： （1）如果遗漏变量x2和解释变量x1不相关，则扰动项与解释变量x1不相关，这时在大样本理论的支撑下，OLS方法仍然可以得到β1的一致估计，只是估计的精确度有所下降。 （2）如果遗漏变量x2和解释变量x1相关，这时根据大样本理论，OLS方法将得不到一致估计，这种偏差被称为遗漏变量偏差，可能会导致实证研究的较大偏差与谬误。 为了避免这种情况的出现， Stata提供了两种检验是否存在遗漏变量的方法，一种是Link检验，另一种是 Ramsey检验。 二．Link操作应用 1、使用auto数据集 如果模型的设定是正确的，那么y的拟合值的平方项将不具有解释能力，从最后结果可以看出，值为0.034，拒绝了为零的假设，认为方程可能遗漏了重要的解释变量。 二．Ramsey操作应用 Ramsey的原假设是不存在遗漏变量，检验的P值为0.0048，拒绝原假设，认为存在遗漏变量。 |
|
|
