3.2.1 模型及估计
空间误差模型(spatial error model，SEM)描述了空间扰动相关和空间总体相关，其形式如式(3.2.1)所示：
3.2.2 实例及操作
本例沿用3.1.2实例并进行更进一步的探讨。关于我国R&D项目数量的影响因素及其空间相关性的模型运行结果中，广义空间自回归模型SAC虽比经典回归模型OLS更胜一筹，但SAC模型中的空间滞后效应系数的系数值较小且不显著，故在模型设定上可继续考虑剔除了空间滞后效应、只保留空间误差相关结构的空间滞后模型SEM。针对R&D项目数量的空间误差模型构造如下：
选取数据同3.1.2实例。利用STATA软件对模型进行参数估计， 首先是利用OLS进行估计，在command窗口中输入如下命令：
reg lninno lnrdk lnrdl
然后在经典回归模型基础上，加入空间因素的影响，即引入空间邻接矩阵，构建如式(3.1.7)所示的空间误差模型。由于Stata中进行空间模型的参数回归时，需要安装命令包，具体的在Command窗口中的命令为
findit spregsem /*安装截面数据空间计量外部命令*/
spregsem lninno lnrdk lnrdl,wmfile(D:\stata16\shuju\chap03\li3.1W.dta)
根据3.1.1节中经典回归模型和SAC模型的回归结果，以及本例利用SEM模型进行回归，整理结果如表3.2.1。
讲员：叶阿忠
编辑：陈芳倩
往期回顾：
截面数据空间计量模型-广义空间自回归模型
版权声明：本文为weixin_39631467原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接和本声明。