摘要：空间计量模型的选择是空间计量实证分析过程中不可缺少一步。本文基于2011-2020年模拟面板数据，采用了多种常用的方法，对空间计量模型选择过程进行了Stata实操演示，并对运行代码进行了解释，最后提供了本文涉及的部分Stata代码，可供读者一键复制使用。

目录

1 模型介绍

2 Stata实操

2.1 模拟面板数据

2.2 各检验Stata演示

3 各检验Stata代码

Note: 第三部分是第二部分Stata实操的部分代码，可以复制粘贴，方便一键提取！！！图中的蓝框为标注，红框为代码！！！

1 模型介绍

Y = ρWY + Xβ + θWX +ε

其中：Y代表被解释变量；X代表所有的解释变量；W代表 n×n 维的空间嵌套权重矩阵；β 代表 X 的相关系数；ρ和θ代表空间相关系数；ε代表随机误差，且ε遵循正态分布。

ρ≠0、θ＝0且λ＝0时，符合空间自回归模型（SAR）；ρ＝0、θ＝0 且 λ≠0 时，符合空间误差模型（SEM）；ρ≠0、θ≠0且λ＝0时，符合空间杜宾模型（SDM）。随后，根据检验及显著性结果，来具体选择模型形式。

2 Stata实操

2.1 模拟面板数据

2.1.1 面板数据格式

本次Stata实操的面板数据格式为：“一对多”，即一个研究个体对应了多个年份数据。例如在上图中，巴中市对应了2011—2020年的数据。其中，id为研究个体数值编号；city为

研究个体城市；y为被解释变量；x1、x2、x3、x4皆为控制变量。

2.1.2 模拟数据样本

模拟数据共有1000个样本，涉及研究城市100个，每个城市对应10年的研究数据。

2.2 各检验Stata演示

2.2.1 LM检验

代码：

进行LM检验之前，需要将空间权重矩阵扩大，A-CV表示空间权重矩阵数据的第A列到CV列；W3为扩大之后矩阵的命名；time（10）中的10为2011-2020年十年数据，即空间权重矩阵扩大倍数；id、year根据自身情况修改，其他无需变动。

运行结果：

一般来说，P值小于0.1则显著。Spatial error为空间误差模型（SEM）；Spatial lag为空间滞后模型（SAR）；Robust为结果稳健的意思。当两个模型都通过检验时，就可以初步认定使用空间杜宾模型（SDM）最合适，可进行后续检验来最终确定。

2.2.2 Hausman检验

代码：

fe为固定效应；re为随机效应；model（sdm）为空间杜宾模型，此外还可以选择sar、sem等；type（both）表示个体和时间的双固定效应，ind为个体固定效应，time为时间固定效应，本文以双固定效应为例，后文一样。具体可见：help xsmle。

运行结果：

一般来说，小于0.1表示拒绝原假设，即本文中空间杜宾模型固定效应优于随机效应，应选择固定效应进行分析。

2.2.3 LR检验

（1）判断使用何种固定效应模型

代码：

df（9）表示自由度9，无需在意自由度应该为多少，不影响检验结果。

运行结果：

一般来说，两者都小于0.1就意味着空间杜宾模型选择双固定效应最合适，通常来说都得拒绝原假设才是最好的，本文是模拟数据，结果仅供参考。

（2）杜宾模型固定效应是否优于空间滞后与空间误差模型的固定效应

代码：

运行结果：

两者小于0.1，说明空间杜宾模型个体固定效应优于空间滞后与空间误差模型的个体固定效应。

2.2.3 Wald检验（检验空间杜宾模型是否会退化为空间滞后模型和空间误差模型）

代码：

需要代码见文章第三部分

运行结果：

两者均小于0.1，说明空间杜宾模型不会退化为空间滞后和空间误差模型。

3 各检验Stata代码

-------------------------------------------------------------------------------------------------------

Note: 强烈推荐将上述代码整体复制粘贴到do.文件中查看，效果更加！！！年份、变量根据自身情况替换！！！空间计量模型的命令包含但不限于本文中的，本文仅供参考！！！本文如有错误和不足，请多多包涵、批评指正，纯是个人理解及错误！！！欢迎互相学习！！！

关注·点赞·收藏·转发

请勿抄袭，违者必究！

Note:上述模型代跑需求，请私信~