Mô hình kinh tế không gian – Spatial Econometrics; Chúng tôi sẽ hướng dẫn các bạn ước lượng mô hình định lượng trên phần mềm Stata, thông thường chúng ta sẽ chạy với phần mềm R; Nhưng vì R cũng khó tiếp cận cho người mới , như vậy Stata vẫn mạnh mẽ và đơn giản hơn rất nhiều
Mô hình kinh tế không gian
Spatial Econometrics
Mô hình kinh tế không gian là gi ?
Kinh tế lượng không gian là lĩnh vực mà phân tích không gian và kinh tế lượng giao nhau. Thuật ngữ “kinh tế lượng không gian” được nhà kinh tế học người Bỉ Jean Paelinck (được mọi người công nhận là cha đẻ của ngành này) lần đầu tiên trong bài phát biểu chung mà ông đã phát biểu tại cuộc họp thường niên của Hiệp hội Thống kê Hà Lan vào tháng 5 năm 1974 (Paelinck và Klaassen , Năm 1979).
Nhìn chung, kinh tế lượng khác với các nhánh thống kê khác ở chỗ tập trung vào các mô hình lý thuyết, các tham số của chúng được ước tính bằng cách sử dụng phân tích hồi quy. Kinh tế lượng không gian là một sự cải tiến của điều này, trong đó mô hình lý thuyết liên quan đến sự tương tác giữa các thực thể khác nhau hoặc các quan sát dữ liệu không thực sự độc lập.
Do đó, các mô hình kết hợp tự động tương quan không gian hoặc các hiệu ứng lân cận có thể được ước tính bằng cách sử dụng các phương pháp kinh tế lượng không gian. Những mô hình như vậy phổ biến trong khoa học khu vực , kinh tế bất động sản, kinh tế giáo dục , thị trường nhà ở và nhiều mô hình khác.
Áp dụng một quan điểm tổng quát hơn, theo luật của Hiệp hội Kinh tế lượng Không gian , ngành học này được định nghĩa là một bộ “các mô hình và công cụ lý thuyết về thống kê không gian và phân tích dữ liệu không gian để phân tích các tác động kinh tế khác nhau như ngoại tác, tương tác, sự tập trung trong không gian và nhiều thứ khác” (Hiệp hội Kinh tế lượng Không gian, 2006). Những phát triển gần đây có xu hướng bao gồm cả các phương pháp và mô hình từ kinh tế lượng mạng xã hội .
Phân tích không gian là gì ?
Phân tích không gian hoặc thống kê không gian bao gồm bất kỳ kỹ thuật chính thức nào nghiên cứu các thực thể bằng cách sử dụng các đặc tính cấu trúc liên kết , hình học hoặc địa lý của chúng. Phân tích không gian bao gồm nhiều kỹ thuật khác nhau, nhiều kỹ thuật vẫn đang trong giai đoạn phát triển ban đầu, sử dụng các phương pháp phân tích khác nhau và được áp dụng trong các lĩnh vực đa dạng như thiên văn học , với các nghiên cứu về vị trí của các thiên hà trong vũ trụ , đến kỹ thuật chế tạo chip, với việc sử dụng ” các thuật toán địa điểm và tuyến đường “để xây dựng các cấu trúc dây phức tạp.
Theo một nghĩa hạn chế hơn, phân tích không gian là kỹ thuật được áp dụng cho các cấu trúc ở quy mô con người, đáng chú ý nhất là trong việc phân tích dữ liệu địa lý hoặc dữ liệu phiên mã .
Các vấn đề phức tạp nảy sinh trong phân tích không gian, nhiều vấn đề chưa được xác định rõ ràng hoặc chưa được giải quyết hoàn toàn, nhưng lại tạo cơ sở cho các nghiên cứu hiện nay. Cơ bản nhất trong số này là vấn đề xác định vị trí không gian của các thực thể đang được nghiên cứu.
Việc phân loại các kỹ thuật phân tích không gian là rất khó vì có rất nhiều lĩnh vực nghiên cứu khác nhau liên quan, các phương pháp tiếp cận cơ bản khác nhau có thể được lựa chọn và nhiều dạng dữ liệu có thể sử dụng.
Các mô hình định lượng không gian thông dụng
- MLE Spatial Lag Model (SAR)
- MLE Spatial Error Model (SEM)
- MLE Spatial Durbin Model (SDM)
- MLE Spatial AutoCorrelation Model (SAC)
- Spatial Exponential Regression Model
- Spatial Weibull Regression Model
- Geographically Weighted Regressions (GWR)
- Non Spatial Regression Models
- Spatial Lag Regression Models (LAG)
- Spatial Durbin Regression Models (DURBIN)
- Restrected Spatial Regression Models
- …
Hướng dẫn ước lượng SAR trên Stata
Như đã nói ở trên chúng tôi sẽ thực hiện ước lượng kinh tế không gian trên phần mềm Stata; Mô hình kinh tế lượng không gian thì nhiều nhưng cơ bản và quan trọng nhất vẫn là mô hình tự động hồi quy theo không gian (SAR – Spatial autoregressive model)
Bước 1: Tải dữ liệu
Bạn tải dữ liệu vào phần mềm Stata
Stata code: use bandoVN, clear
Sét dữ liệu
Stata code: spset
Sp dataset bandoVN.dta
data: cross sectional
spatial-unit id: _ID
coordinates: _CX, _CY (planar)
linked shapefile: bandoVN_shp.dta
Bước 2: Tạo ma trận không gian trọng số
Stata code: spmatrix create contiguity W
Bước 3 : Ước lượng hồi quy không gian
Stata code: spregress GDP CPI CAP LAB, gs2sls dvarlag(W)
Ta thu được kết quả như sau:
Spatial autoregressive model | Number of obs = 63 |
GS2SLS estimates | Wald chi2(4) = 77.22 |
Prob > chi2 = 0.0000 | |
Pseudo R2 = 0.5500 | |
GDP Coef. Std. Err. z | P>z [95% Conf. Interval] |
GDP | |
CPI .1435334 .0824396 1.74 | 0.082 -.0180452 .3051121 |
CAP .6179906 .0853071 7.24 | 0.000 .4507918 .7851893 |
LAB .0893784 .0477432 1.87 | 0.061 -.0041966 .1829534 |
_cons -1.433452 .7734546 -1.85 | 0.064 -2.949395 .0824915 |
W | |
GDP .0321909 .0609839 0.53 | 0.598 -.0873353 .1517172 |
Wald test of spatial terms: chi2(1) = | 0.28 Prob > chi2 = 0.5976 |
Bước 4: Vẽ bản đồ không gian
Stata code: grmap, activate
Stata code: grmap GDP
Mình vẽ đồ thị theo tỉ lệ tăng trưởng kinh tế (Dữ liệu ngẫu nhiên không nhập liệu chính xác )
Bước 5: Các kiểm định cần thiết
Kiểm định tương quan giữa các vùng
Stata code: spatwmat, name(matran) xcoord( _CX ) ycoord( _CY ) band(0 1)
Stata code: spatgsa GDP , weights(matran) moran
Weights matrix | |||
Name: matran | |||
Type: Distance-based | (inverse | distance) | |
Distance band: 0.0 < | d <= 1.0 | ||
Row-standardized: No | |||
Moran’s I | |||
Variables I | E(I) sd(I) | z | p-value* |
GDP 0.133 | -0.016 0.071 | 2.115 | 0.017 |
*1-tail test |
Ta có P – value < 0.05 = > Giữa các vùng có mối tương quan với nhau
Kiểm định tương quan chuỗi
Stata code: spatdiag, weights(matran)
Fitted model | |||
GDP = FDI + INF + CAP + LAB | |||
Weights matrix | |||
Name: matran | |||
Type: Distance-based (inverse | distance) | ||
Distance band: 0.0 < d <= 1.0 | |||
Row-standardized: No | |||
Diagnostics | |||
Test | Statistic | df | p-value |
Spatial error: | |||
Moran’s I | 0.308 | 1 | 0.758 |
Lagrange multiplier | 0.367 | 1 | 0.545 |
Robust Lagrange multiplier | 0.475 | 1 | 0.491 |
Spatial lag: | |||
Lagrange multiplier | 0.464 | 1 | 0.496 |
Robust Lagrange multiplier | 0.572 | 1 | 0.449 |
Tất cả P-value > 0.05 = > Không có hiện tượng tương quan chuỗi trong mô hình.
Kết quả hồi quy không gian
Stata code: spregress GDP FDI INF CAP LAB , gs2sls dvarlag(W)
Spatial autoregressive model | Number of obs = 63 |
GS2SLS estimates | Wald chi2(5) = 272.91 |
Prob > chi2 = 0.0000 | |
Pseudo R2 = 0.8120 | |
GDP Coef. Std. Err. z | P>z [95% Conf. Interval] |
GDP | |
FDI .2723707 .0809369 3.37 | 0.001 .1137373 .4310041 |
INF .8742588 .1246663 7.01 | 0.000 .6299173 1.1186 |
CAP .3468477 .0848327 4.09 | 0.000 .1805788 .5131166 |
LAB .180606 .0782901 2.31 | 0.021 .0271601 .3340518 |
_cons -5.00234 .7322965 -6.83 | 0.000 -6.437614 -3.567065 |
W | |
GDP .021962 .0623202 0.35 | 0.725 -.1001833 .1441074 |
Wald test of spatial terms: chi2(1) = | 0.12 Prob > chi2 = 0.7245 |
Phân tích kết quả
Stata code: estat impact
Average impacts | Number | of | obs = | 63 | ||
Delta-Method | ||||||
dy/dx | Std. Err. | z | P>z | [95% Conf. | Interval] | |
direct | ||||||
FDI | .2723908 | .0809593 | 3.36 | 0.001 | .1137136 | .4310681 |
INF | .8743233 | .1247242 | 7.01 | 0.000 | .6298683 | 1.118778 |
CAP | .3468733 | .084803 | 4.09 | 0.000 | .1806625 | .5130841 |
LAB | .1806193 | .0782813 | 2.31 | 0.021 | .0271908 | .3340479 |
indirect | ||||||
FDI | .0048857 | .0143651 | 0.34 | 0.734 | .0232693 | .0330408 |
INF | .0156823 | .0455606 | 0.34 | 0.731 | .0736148 | .1049794 |
CAP | .0062217 | .0176232 | 0.35 | 0.724 | .0283192 | .0407626 |
LAB | .0032397 | .0091735 | 0.35 | 0.724 | -.01474 | .0212194 |
total | ||||||
FDI | .2772765 | .0855818 | 3.24 | 0.001 | .1095392 | .4450138 |
INF | .8900056 | .1403612 | 6.34 | 0.000 | .6149026 | 1.165109 |
CAP | .353095 | .0837434 | 4.22 | 0.000 | .1889609 | .5172291 |
LAB | .183859 | .0784302 | 2.34 | 0.019 | .0301387 | .3375793 |
Nhận xét
- Khi ước lượng mô hình kinh tế không gian trên Stata thì có phần dễ dàng hơn nhiều trên R
- Chúng tôi trình bày theo dạng từng bước cho các bạn dễ nắm bắt vấn đề
- Mô hình định lượng này rất hay nhưng vẫn chưa áp dụng nhiều
Giới thiệu mô hình kinh tế
Nêú các bạn đang nghiên cứu khoa học để làm để tài khoa học ( thạc sĩ, tiến sĩ, đề tài khoa học các cấp …) mà áp dụng mô hình kinh tế không gian có những vấn đề sau:
- Không có data để chạy model
- Không biết cách phân tích mô hình
- Không biết chạy trên phần mềm
- Hướng mỡ rộng cho dữ liệu panel
- ….
Nếu gặp khó khăn những vấn đề trên các bạn đừng ngần ngại hãy liên hệ với chúng tôi để được tư vấn và khắc phục hạn chế của bạn.
Có thể bạn thích bài viết này:
Micom test trong phân tích đa nhóm Multigroup Analysis (MGA)
Micom test trong phân tích đa nhóm của SmartPLS (Partial Least Squares Structural Equation Modeling), [...]
Th9
2 Lý do chọn đề tài: tính cấp thiết & ý nghĩa khoa học
Lý do chọn đề tài: tính cấp thiết & ý nghĩa khoa học, Viết phần [...]
Th9
Số liệu biến rời rạc Có thể bạn chưa biết
Biến rời rạc là loại biến số trong thống kê chỉ có thể nhận một [...]
Th9
Báo giá Phiếu khảo sát doanh nghiệp: online + trực tiếp
Báo giá, phiếu khảo sát doanh nghiệp. Khảo sát doanh nghiệp, còn gọi là “business [...]
Th9
Mô hình phân tích tài chính Fama & French 5 yếu tố
Mô hình phân tích tài chính Fama & French 5 yếu tố, sau khi mô [...]
Th9
gấp: Làm đẹp số liệu thứ cấp – Xử lý dữ liệu sơ cấp lấy liền
Chúng tôi https://chaydinhluong.com giới thiệu đến quý khách hàng dịch vụ làm đẹp số liệu [...]
Th9
[Đào tạo] khoá học xử lý số liệu & phân tích định lượng Stata SmartPLS SPSS R-Studio
Khoá học xử lý số liệu & phân tích định lượng Stata SmartPLS SPSS R-Studio [...]
Th5
Chỉnh sửa định dạng văn bản in ấn tài liệu lưu hành nội bộ Thủ Đức TpHCM
Chỉnh sửa định dạng văn bản in ấn tài liệu lưu hành nội bộ Thủ [...]
Th4