地理加权回归( gwr).doc

空间计量经济学打破大多数经典统计和计量分析中相互独立的基本假设，主要解决如何在横截面数据和面板数据的回归模型中处理空间相互作用（空间自相关）和空间结构（空间不均匀性）分析的问题空间计量经济理论认为一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的也就是说，各区域之间的数据存在与时间序列相关相对应的空间相关空间计量模型所研究的空间效应包括空间自相关和空间差异性空间相关性在空间回归模型中体现在误差项和因变量的滞后项，因此，空间计量的两个模型分别是空间自回归模型(Spatial Auto Regressive Model , SAR) 与空间误差模型(Spatial Error Model , SEM)，空间自回归模型研究各变量在一个地区是否有扩散效应，空间误差模型考察邻接地区关于因变量的误差冲击对本地区观察值的影响其表达式分别为：其中，为因变量；为阶的空间权重矩阵，权数系数可以根据实际情况决定，YWnn一般用邻接矩阵；为空间滞后因变量，反映了空间距离对区域行为的作用；为空间Wy自回归系数，反映相邻区域的观测值对本地区观察值的影响方向和程度；为WyyX的外生解释变量向量(包括常数项)，为变量系数，反映了自变量对因变量的knXY影响；为误差成分；为的因变量向量的空间误差系数，衡量了相邻地区的观察值1n 对本地区观察值的影响方向和程度；为正态分布的随机误差向量。

上述两种模型的YY 估计如果仍采用 OLS，往往导致各种结果和推论不够完整、科学本文采用极大似然法估 计参数常用检验准则有拟合优度 R2 和对数似然值 LogL拟合优度和对数似然值越大， 模型拟合效果越好, 对数似然值最大的模型最好 一) 空间权重矩阵的选取空间权重矩阵 w 表征了空间单位之间的相互信赖性与关联程度实证研究中，通常采用相邻规则与距离规则来定义空间加权矩阵为了研究需要，本文从地理位置特征与社会经济特征两个不同角度分别建立包括相邻规则与距离规则的空间加权矩阵，以便更准确地把握房价的区域相关关系1. 地理位置特征加权矩阵 本文采用两种常用的地理位置特征矩阵体现房价的空间相关关系:第一种是空间相邻加权矩阵 W1，其中的元素 wi，j= 1 表示两个地区拥有共同的边界，wi，j= 0 表示两个地区没有共同的边界，然后对矩阵进行标准化处理为了避1免“单个岛屿效应” ，设定海南省与广东省、广西壮族自治区有共同边界第二种是空间距离加权矩阵 W2，其元素 wi，j=1 / d2iji ≠ j0{i = j，即两地区之间距离越远，相互之间的影响程度越小，两地区之间的距离 di，j 为两地区省会城市之间的距离于是进一步用更能反映经济变量之间的空间依赖性的地理加权回归(GWR)方法，以全国 30 个省市为例,建立模型，，其中是第 i 个0( ,)( ,)iiikiiiki kyu vu v X1,2,i … , n( ,)iiu v样本点的空间坐标；利用加权最小二乘法来估计，估计出 30 个省市的模型参数，并就此分析了各省市之间的差异。

最后比较了普通回归与地理加权回归的优劣，得出了教育支出促进经济增长, 不同地区间促进的效果不同的结论长期以来, 在主流的经济学理论中, 空间事物无关联及均质性假定的局限, 2以及普遍使用忽视空间效应的普通最小二乘法(OL S) 进行模型估计, 使得在实际应用中往往存在模型的设定偏差问题, 进而导致经济学研究得出的各种结果和推论不够完整、科学, 缺乏应有的解释力经典计量经济学中的线性回归模型的经典假定, 以及回归模型的系数β是一个常数假定, 面对异常复杂的经济系统和因素变量之间的交互影响, 尤其是碰到横截面数据之间存在空间自相关性和空间异质性时, 经典计量的线性回归模型就显得有些力不从心, 需要发展新的方法来弥补这种不足1】空间计量经济学(Anselin ,1988) 理论认为,一个地区空间单元上的某种经济地理现象或某一属性值与邻近地区空间单元上同一现象或属性值是相关的几乎所有的空间数据都具有空间依赖性或空间自相关性的特征, 空间依赖的存在打破了大多数经典统计和计量分析中相互独立的基本假设也就是说, 各区域之间的数据存在与时间序列相关、相对应的空间相关空间统计和空间计量经济方法是在继承和发展完善经典统计和计量方法的基础上, 将经典统计和计量方法应用于与地理位置及空间交互作用相关的地理空间数据, 通过地理位置与空间联系建立的统计与计量关系, 以统计和计量方法识别和度量空间变动的规律与空间模式的决定因素。

(一一) )空间经济计量学介绍空间经济计量学介绍空间统计和空间计量经济学理论与方法继承和发展了经典统计和计量理论方法，将经典统计和计量方法应用于与地理位置及空间交互作用相关的地理空间数据，通过地理位置与空间联系建立统计与计量关系，以统计和计量方法识别和度量空间变动规律及空间模式的决定因素空间经济计量学主要研究存在空间效应的问题空间效应主要包括空间相关和空间差异性在研究中涉及空间相邻、空间相邻矩阵等概念 1. 空间相关空间相关 空间相关指在样本观测中，位于位置 i 的观测与其它 j≠i 的观测有关，即存在空间相关的原因有两方面：相邻空间单元存在测量误差，空间交互影响的存在测量误差是由于调查过程中，数据的采集与空间中的单位有关，如数据是按盛市、县等统计的，但设定的空间单位与研究问题不一致，存在测量误差空间相关不仅意味着空间上的观测缺乏独立性，并且意味着潜在于这种空间相关中的空间结构，也就是说空间相关的强度及模式由绝对位置和相对位置3（布局，距离）决定 2. 空间差异性空间差异性 空间差异性指空间上的区域缺乏均一性，如存在中心区和郊区、先进和后进地区等例如，我国沿海地区和中西部地区经济存在较大差别。

对于空间差异性，只要将空间单元的特性考虑进去，大多可以用经典经济计量学方法解决但当空间差异性与空间相关共同存在时，经典经济计量学方法不再适用，而且这时问题可能变得非常复杂，因为这时要区分空间差异性与空间相关可能非常困难 3. 时空数据空间模型时空数据空间模型 在模型中考虑时间维增加了描述的复杂性，但综合时间空间的模型在实际工作中非常有用在经典的经济计量学模型中，这是综合截面和时间序列数据的情形如果数据不存在空间相关，则可以采用 PanelData 模型Anselin(1988)将似不相关(SUR)模型扩展到空间的情形，提出空间 SUR 模型2】(五五) 空间计量经济学中的空间自相关分析空间计量经济学中的空间自相关分析【【5】】根据空间统计和空间计量经济学原理方法，首先应采用空间统计分析Moran 指数法检验因变量（被解释变量）是否存在空间自相关性或集聚现象，如果存在，则需要在空间计量经济学理论方法支持下，建立空间计量经济模型，进行区域经济增长集聚的空间计量估计和检验Moran’s I定义如下： 11211()()nnijij ij nnij ijW YYYY I SW 其中，，，211()ni iSYYn 11ni iYYn表示第i地区的观测值，n为地区总数，为二进制的邻接空间权值矩阵，ijW表示其中的任一元素，采用邻接标准或距离标准，其目的是定义空间对象的相互邻接关系。

一般邻接标准的为1,ijW 当区域i 和区域j 相邻；0， 当区域i 和区域j 不相邻；式中，；；1,2,i … ，nj =1, 2, … … , nm =n或m n4Moran’s I可看作各地区观测值的乘积和，其取值范围为若各地区间11I 经济行为为空间正相关，I的数值应当较大；负相关则较小六六) 空间变系数回归模型空间变系数回归模型【【6】】当用横截面数据建立计量经济学模型时, 由于这种数据在空间上表现出的复杂性、自相关性和变异性, 使得解释变量对被解释变量的影响在不同区域之间可能是不同的, 假定区域之间的经济行为在空间上具有异质性的差异可能更加符合现实空间变系数回归模型(Spatial Varying—Coefficient Regression Model) 中的地理加权回归模型( Geographical Weighted Regression , GWR) 是一种解决这种问题的有效方法本文即主要采用的这种模型对全国30个省市教育与经济增长之间的关系进行了探究与分析1.1. GWRGWR基本模型基本模型考虑如下的全局回归模型:0ikiki kyX1,2,i … , n地理加权回归( GWR) 扩展了传统的回归框架, 容许局部而不是全局的参数估计, 扩展后模型的参数是位置i 的函数，扩展后的模型如下:0( ,)( ,)iiikiiiki kyu vu v X1,2,i … , n其中是第i 个样本点的空间坐标, 是连续函数 在i ( ,)iiu v( ,)kiiu v( , )ku v点的值。

如果 在空间保持不变, 则GWR模型就变为全局模型 因此GWR ( , )ku v方程认可空间变化关系可能是存在的, 并且提供了一种可度量的方法由上面可知GWR 模型中的参数在每个回归点是不同的,就不能用最小二乘方法(OL S) 估计参数Fotheringham , Brunsdon , Charlton (1996) 依据“接近位置i 的观察数据比那些离位置远一些的数据对的估计有更多的影响”( , )ku v的思想, 利用加权最小二乘法来估计参数因此,其结果是区域性的并非全域性的参数估计,从而就能够探测到空间数据的空间非平稳性我们知道，普通最小二乘法可以得到全局的参数估计向量：1(')'X XX Y值得提到的是，使用最小二乘估计的前提条件是：，( )E YX成立这里第二个条件不满足，可以改为2( )(nnVar YII是单位矩阵），因为>0,存在n阶非奇异对称阵B，使得令，21( )iVar YW1 iW12 iWB1*YB Y，则1*XB X11( *)( )*E YB E YB XX112( *)( )nVar YB Var Y BI5于是，我们得到回归点i的参数估计向量可以表示如下：1( ,)('( ,))'( ,)iiiiiiu vX W u v XX W u v Y其中是的加权矩阵,对角线上的每个元素都是关于观测值所在( ,)iiW u vn n位置j 与回归点i 的位置之间距离的函数,其作用是权衡不同空间位置j ( j = 1 ,2 , ⋯, n) 的观测值对于回归点i 参数估计的影响程度,而非对角元素为0. 矩阵可以表示为如下形式：( ,)iiW u v12W W ( ,) Wii iiinW u v     O 记做。

12W(W ,W ,W )iiiindiag… ,2.2. 加权矩阵函数的选择加权矩阵函数的选择为了估计方程中GWR的参数,选择一个标准来决定加权矩阵是很重要的. Wi在空间分析中,一般认为距离回归点i 较近的观测值对回归点i 处的参数估计影响较大,而远离回归点i 的观测值的影响就较小. 所以,在估计回归点i 的参数时,必须给予离i 较近的地区更多的关注,也就是优先考虑较近观测值的影响. 根据这一思想,可供选择的权函数有多种形式, 比如距离的倒数. 通常选择Gauss 函数作为权函数,其形式如下：2exp()ijijWd这里是回归点i 和位置j 中心的距离, 是带宽. 是关于 的连续单ijdWijijd调递减函数,随 的增大而减小,并且当= 0 时, = 1ijdijdWij3.3. 距离衰减参数距离衰减参数的确定的确定式中的是一个描述权重与距离之间函数关系的非负距离衰减参数,不同的将产生不同的权重 . 对于给定的 ,如果越大,在位置j 的观测。