cd C:\Users\10853\Desktop\Stata分析
spshape2dta "C:\Users\10853\Desktop\中国省级行政区划_shp\省界_region.shp",replace
use 省界_region.dta,clear
replace NAME=ustrfrom( NAME , "gb18030", 1)
rename NAME province
list province X Y in 1/10
replace province=subinstr( province,"市","",.)
merge 1:m province using "合并数据.dta"
keep if _merge==3
中国邮政华为合作keep province year X Y cz income edu earning gdp cost student
save "分析数据.dta", replace
use "分析数据.dta",clear
encode province,g(id)
sort year id
spwmatrix gecon X Y, wn(province) wtype(invecon) cart econvar(gdp) rowstand xport(WW,txt) replace //由于选择的是 invecon(经济反距离矩阵)因此需要声明相应的经济变量
duplicates drop id,force
spwmatrix gecon X Y, wn(province) wtype(invecon) cart econvar(gdp) rowstand xport(W,txt) replace
import excel "W.xls", sheet("W") clear
save "W.dta",replace
import excel "WW.xls", sheet("WW") clear
save "WW.dta",replace
use "分析数据.dta",clear
encode province,g(id)
丙烯基硫脲>2010冷笑话8毛门sort year id
g lnedu=ln(edu)
g lncz=ln(cz)
g lnincome=ln(income)
g lnearning=ln( earning)
g lngdp=ln(gdp)
g lncost=ln(cost)
g lnstudent=ln( student)
spatwmat using WW.dta,name(WW) standardize
spatgsa lnedu,weights(WW) moran //全局莫兰指数
spatlsa lnedu,weights(WW) moran //局部莫兰指数
spatlsa lnedu,weight(WW) moran graph (moran) symbol(n) //莫兰散点图
reg lnedu lncz lnincome lnearning lngdp lncost lnstudent
spatdiag, weights(WW)
*----面板空间自回归模型PSARM------------* xtset id year
spatwmat using W.dta,name(W) standardize
xsmle lnedu lncz lnincome lnearning lngdp lncost lnstudent, wmat(W) fe type(ind) hausman nolog effects hausman
est sto PSARM1
xsmle lnedu lncz lnincome lnearning lngdp lncost lnstudent, wmat(W) fe type(time) hausman nolog effects hausman
est sto PSARM2
xsmle lnedu lncz lnincome lnearning lngdp lncost lnstudent, wmat(W) fe type(both) hausman nolog effects hausman
est sto PSARM3
*LM检验:选SEM模型还是SLM模型?
*SEM模型回归与检验
spregxt lnedu lncz lnincome lnearning lngdp lncost lnstudent, nc(30) wmfile(W) model(sem) test mfx(lin) predict(Yh) resid(Ue)
*LR检验:选SEM模型、SLM模型还是SLM模型?
xsmle lnedu lncz lnincome lnearning lngdp lncost lnstudent,fe model(sdm) wmat(W) type(both) nolog effects
est sto sdm
xsmle lnedu lncz lnincome lnearning lngdp lncost lnstudent,fe model(sar) wmat(W) type(both) nolog effects
est sto sar
xsmle lnedu lncz lnincome lnearning lngdp lncost lnstudent,fe model(sem) emat(W) type(both) nolog effects
est sto sem
lrtest sdm sar
勃拉姆斯第一交响曲
lrtest sdm sem
xsmle lnedu lncz lnincome lnearning lngdp lncost lnstudent,fe model(sdm) wmat(W) type(both) nolog effects
test [Wx]lncz=[Wx]lnincome=[Wx]lnearning=[Wx]lngdp=[Wx]lncost=[Wx]lnstudent=0 //检验是否会退化为SLM
testnl ([Wx]lncz=-[Spatial]rho*[Main] lncz)([Wx]lnincome=-[Spatial]rho*[Main]lnincome) ([Wx]lnearning=-[Spatial]rho*[Main]lnearning) ([Wx]lngdp=-[Spatial]rho*[Main]lngdp) ([Wx]lncost=-[Spatial]rho*[Main]lncost)([Wx]lnstudent=-[Spatial]rho*[Main]lnstudent) //检验是否会退化为SEM
*最终选择空间杜宾模型
esttab sar sem sdm using table.doc,ar2(%8.4f) se(%8.4f) nogap brackets aic bic mtitles replace