朱平芳空间计量讲座教材.ppt

地理学第一定律 　世界上万千事物的状态都可以由一个三维的空间坐标系与一个一维的时间坐标系来唯一刻画。时间或空间上距离相近的两个事物的状态是相互关联的，即不能被认为是相互独立的，且两事物越是接近，它们状态的相关性越强。当两点距离为零(实则是同一个体)，它们将完全相关。越是相距遥远的事物相关性越弱，当两事物之间距离为无穷远，可近似地认为两者完全不相关。 空间计量经济学(spatial econometrics) 　作为现代微观计量经济学(micro－econometrics)的一个分支，旨在为处理截面数据或面板数据中的空间效应(spatial effect，空间相关性(spatial dependence)与空间异质性(spatial heterogeneity)发展专门的建模，估计与统计检验方法。 概述 空间相关性的根源 　(i) 观测数据地理位置接近(geographical proximity)：由于地理位置的接近而导致的空间相关性是空间相关性最初始的定义, 与地理学第一定律吻合。这种相关性是环境, 地质等学科中的普遍现象。 　(iii) 模仿行为(copy cat)： 在一群体中，个体会重复或模仿一个或几个特定个体的行为。 例如在班级中中游成绩的学生会以成绩优秀的学生为榜样, 竞争性体育比赛中, 选手会以领先选手为心中目标, 在以上这些情况下, 如果不考虑空间相关性, 所建立的模型会和真实模型相差甚远。 　(iv)溢出效应(spillover effect)：溢出效应是指经济活动和过程中的外部性对未参与经济活动和过程其中的周围个体的影响。 散发有毒气体的植物会对周围的植物产生有害的影响, 屋主拥有一座漂亮花园也显然对周围邻居有正效应。 同样不断加强的贸易往来所带来的经济利益对地区性国家多边联盟的形成具有正的溢出效应。 　(v)测量误差：A,B,C三处的观测本来是相互独立的，但是研究者由于无法准确识别A,B和B,C相邻的边界，而将整个区域分成两个部分I和II，在图中用两中颜色表示。显然，由于I和II共享B，所以有理由相信，I和II上的观测是空间相关的。 　 假设随机变量 ， 和 互相独立，当 时，可以证明 不为零。我们把这种空间相关性的来源称为测量性误差。这一来源说明，当我们处理带有空间特性的数据时，无论经济理论是否明确显示空间相关性，我们都应该在设定模型形式时候对空间相关性给予足够重视和相应考虑。 空间统计学VS空间计量经济学 　首先，空间统计学的理论是空间计量经济学发展的基础。正如计量经济学其他分支的发展都广泛借助统计学的理论，空间计量经济学也尽可能吸收一切可以利用的现存有关空间统计的理论。 空间统计学VS空间计量经济学 其次，统计学的应用范围不仅限于经济学一门学科。生物，环境，地理，农业，物理化学等众多自然科学与社会科学均广泛采用统计学理论。而空间计量经济学中所发展的一切模型和统计方法均为经济学问题而考虑。确实存在这样的实例：某一空间统计学理论最初就是为处理经济学中的空间效应而提出，之后完全可能被应用到除经济学外的其他学科。 空间统计学VS空间计量经济学 　许多空间统计学中的经典理论并不直接适合于经济学问题。在后面将看到，经典空间统计学中对空间权重矩阵的定义具有很大的限制性。而目前计量经济学中广泛采用的权重矩阵早已超越了最初的定义，而具有相当高的灵活性以包含并刻画众多不同性质的经济学中的相关关系。这不能不说是空间计量经济学对空间统计学的补充和扩展。 空间统计学VS空间计量经济学 　最后，正如Anselin (1988)所认为，空间统计学是以数据为出发点的(data-driven)，而空间计量经济学是以模型为出发点的(model-driven)。这说明，由经济学问题建立合适的刻画相关性的计量模型，并发展相关的估计，假设检验，预测方法才是空间计量经济学的主要任务。 空间权重矩阵 计量经济学经常用线性模型来近似非线性模型，即可将 近似写成 记 矩阵 的元素为 ，它的对角元素都为零。 一般我们无法利用容量为 的样本去估计 个参数。为了确保模型参数可识别，我们需要对 的形式加以限制。最常用的限制方式之一就是假设 其中 称为空间权重矩阵(spatial weighting matrix)，它刻画的是截面上个体之间空间相关的结构，是一个无量纲