空间滞后模型的直接效应和间接效应

impacts(spdep)impacts()所属R语言包：spdepImpacts in spatial lag models在空间滞后模型的影响描述----------Description----------The calculation of impacts for spatial lag and spatial Durbin models is needed in order to interpret the regression coefficients correctly, because of the spillovers between the terms in these data generation processes (unlike the spatial error model).空间滞后和空间德宾模型的影响是必要的，正确的，因为这些数据生成过程（不同的空间误差模型）中的条款之间的溢出效应来解释回归系数的计算。

用法----------Usage----------## S3 method for class 'sarlm'impacts(obj, ..., tr, R = NULL, listw = NULL, useHESS = NULL, tol = 1e-06, empirical = FALSE, Q=NULL)## S3 method for class 'stsls'impacts(obj, ..., tr, R = NULL, listw = NULL, tol = 1e-06, empirical = FALSE, Q=NULL)## S3 method for class 'gmsar'impacts(obj, ..., tr, R = NULL, listw = NULL, tol = 1e-06, empirical = FALSE, Q=NULL)## S3 method for class 'lagImpact'plot(x, ..., choice="direct", trace=FALSE, density=TRUE)## S3 method for class 'lagImpact'print(x, ..., reportQ=NULL)## S3 method for class 'lagImpact'summary(object, ..., zstats=FALSE, short=FALSE, reportQ=NULL)## S3 method for class 'lagImpact'HPDinterval(obj, prob = 0.95, ..., choice="direct")参数----------Arguments----------参数：objA sarlm spatial regression object created by lagsarlm; in gImpact, a lagImpact objectlagsarlm中gImpact，一个lagImpact对象创建一个sarlm空间回归对象参数：...Arguments passed through to methods in the coda package传递参数的方法，在coda包参数：trA vector of traces of powers of the spatial weights matrix created using trW, for approximate impact measures; if not given, listw must be given for exact measures (for small to moderate spatial weights matrices); the traces must be for the same spatial weights as were used in fitting the spatial regression使用的矢量权力的空间权重矩阵的痕迹trW，近似影响的措施;如果没有给出，listw必须给出确切的措施（小到中雨空间权重矩阵）;走线必须是相同的空间权重被用于安装的空间回归参数：RIf given, simulations are used to compute distributions for the impact measures, returned as mcmc objects如果给出，模拟用于计算分布的影响的措施，作为mcmc对象返回参数：listwIf tr is not given, a spatial weights object as created by nb2listw; they must be the same spatial weights as were used in fitting the spatial regressiontr如果没有给出，对象创建空间权重nb2listw;他们必须是相同的空间权重被用于安装的空间回归参数：useHESSUse the Hessian approximation (if available) even if the asymptotic coefficient covariance matrix is available; used for comparing methods使用Hessian的近似系数的渐近协方差矩阵（如果有的话），即使是用于比较的方法参数：tolArgument passed to mvrnorm: tolerance (relative to largest variance) for numerical lack of positive-definiteness in the coefficient covariance matrix参数传递给mvrnorm：宽容（相对最大变化）的数值缺乏的系数协方差矩阵的正定性，参数：empiricalArgument passed to mvrnorm (default FALSE): if true, the coefficients and their covariance matrix specify the empirical not population mean and covariance matrix参数传递给mvrnorm（默认为false）：如果为真，系数和协方差矩阵指定的经验而不是人口的均值和协方差矩阵参数：Qdefault NULL, else an integer number of cumulative power series impacts to calculate if tr is given默认为空，否则一个整数的累计幂级数的影响，计算，如果tr参数：reportQdefault NULL; if TRUE and Q given as an argument to impacts, report impact components默认为空，如果为true，Q作为参数impacts，报告影响组件参数：x, objectlagImpact objects created by impacts methodslagImpact impacts方法创建的对象参数：zstatsdefault FALSE, if TRUE, also return z-values and p-values for the impacts based on the simulations默认是false，如果为TRUE，返回z值和p值的基础上模拟的影响参数：shortdefault FALSE, if TRUE passed to the print summary method to omit printing of the mcmc summaries默认是false，如果TRUE传递给打印总结的方法，省略印刷的MCMC摘要参数：choiceOne of three impacts: direct, indirect, or total其中的三个影响：直接的，间接的，或总参数：traceArgument passed to plot.mcmc: plot trace plots参数传递给plot.mcmc：图跟踪图参数：densityArgument passed to plot.mcmc: plot density plots参数传递给plot.mcmc：图密度图参数：probArgument passed to HPDinterval.mcmc: a numeric scalar in the interval (0,1) giving the target probability content of the intervals 参数传递给HPDinterval.mcmc：在区间（0,1）的数字标量目标的几率内容的间隔Details详细信息----------Details----------If called without R being set, the method returns the direct, indirect and total impacts for the variables in the model, for the variables themselves in tha spatial lag model case, for the variables and their spatial lags in the spatial Durbin (mixed) model case. The spatial lag impact measures are computed using eq. 2.46 (LeSage and Pace, 2009, p. 38), either using the exact dense matrix (when listw is given), or traces of powers of the weights matrix (when tr is given). When the traces are created by powering sparse matrices, the exact and the trace methods should give very similar results, unless the number of powers used is very small.如果没有R被设置，则该方法返回的直接的，间接的，总的影响在模型中的变量，变量本身在塔空间滞后模型的情况下，变量和它们的空间滞后的空间德宾（混合）模式的情况下。

空间计量模型效应的解释
空间计量模型是一种将空间效应纳入回归分析的方法，主要研究空间相关性和空间依赖性对经济变量的影响。

在空间计量模型中，效应的解释主要包括直接效应、间接效应和总效应。

1. 直接效应：直接效应是指解释变量对本地区被解释变量的影响。

直接效应反映了解释变量对本地被解释变量的影响程度，可以通过回归系数来表示。

2. 间接效应：间接效应是指解释变量对邻近地区被解释变量的影响。

间接效应反映了解释变量通过空间权重矩阵对邻近地区被解释变量的影响程度。

3. 总效应：总效应是指解释变量对本地和邻近地区被解释变量的影响之和。

总效应反映了解释变量对所有地区被解释变量的影响程度，可以通过直接效应和间接效应的加总来表示。

在空间计量模型中，通过分解总效应，可以分析解释变量对不同地区被解释变量的影响程度，有助于更好地理解空间计量模型的效应。

同时，空间计量模型还可以帮助研究者识别空间相关性和空间依赖性对经济变量的影响，为政策制定和区域协调发展提供参考。

“2+26”城市雾霾治理政策效果评估作者：张中祥曹欢来源：《中国人口·资源与环境》2022年第02期摘要文章将《京津冀及周边地区2017年大气污染防治工作方案》和其后续“攻坚行动方案”的发布作为准自然实验，使用双重差分模型（DID）评估大气污染治理的政策效果。

回归结果发现：①“方案”的发布对于“2+26”城市的空气具有显著的改善作用，并通过了稳健性检验，构成雾霾的主要污染物PM2.5、PM10和AQI 的改善程度最明显，SO2、CO 和NO2的改善幅度次之，但O3浓度在政策处理期内不降反升，说明近年来O3污染程度加剧，亟须引起关注。

②长期视角下SO2和NO2的治理效果较短期情况下相比有所提升，说明有些大气污染物仍然具有进一步改善的潜力，印证了大气污染治理是一项长久的“攻坚战”。

③引入空间DID 分析，通过空间杜宾和双重差分的嵌套模型，放松个体相互独立的假设，从空间维度探讨“方案”的政策效果，对比空间视角下的直接效应与间接效应得出，区域联防联控大气治理手段相比单一地区空气质量改善政策而言能够使得治理效果事半功倍。

④使用中介效应模型，探讨了“方案”通过减少工业产值占GDP 的比重和减少能源消费总量达到空气质量改善的两种作用机制。

最后，文章为接下来进一步有效治理大气污染提出了相关的政策建议。

关键词“2+26”城市;双重差分模型;空间DID;机制分析中图分类号 X51;F061.5 文献标志码 A 文章编号1002-2104（2022）02-0026-11 DOI：10.12062/cpre20211126大气污染是中国经济不断快速发展的一项负外部公共品，在中国，受空气污染问题最多困扰的当属京津冀及周边地区[1-4]。

国务院发布的“十三五”生态环境保护规划中明确强调要“深化区域大气污染联防联控、显著削减京津冀及周边地区颗粒物浓度”，因此京津冀及周边地区成为大气污染防治的重点覆盖区域。

2017年2月17日，原环境保护部发布了《京津冀及周边地区2017年大气污染防治工作方案》（以下简称《2017方案》），形成了以京津冀及周边地区为主导的大气污染防治协作组。

空间滞后模型直接效应间接效应以空间滞后模型为基础的研究方法，可分为直接效应和间接效应。

本文将从理论和实证研究两个方面，探讨空间滞后模型的直接效应和间接效应。

一、理论分析空间滞后模型是研究地理空间相关性的重要工具，它考虑了地理空间的相互作用对变量之间关系的影响。

空间滞后模型的直接效应是指变量之间在同一时期的直接影响关系，即一个地区的变化对相邻地区的影响。

而间接效应则是指变量之间在不同时期的影响关系，即一个地区的变化对相邻地区在下一时期的影响。

空间滞后模型的直接效应主要通过空间滞后项来捕捉。

空间滞后项表示一个地区的变量值受到其相邻地区变量值的影响。

直接效应可以用来分析一个地区的变化对相邻地区的影响程度。

例如，研究城市经济增长时，可以通过空间滞后模型的直接效应来分析一个城市的经济增长对周边城市的影响程度，从而衡量城市之间的经济联系程度。

空间滞后模型的间接效应主要通过空间滞后滞后项的滞后变量来捕捉。

滞后变量表示一个地区的变量值受到其相邻地区在前一时期的变量值的影响。

间接效应可以用来分析一个地区的变化对相邻地区在下一时期的影响程度。

例如，研究环境污染问题时，可以通过空间滞后模型的间接效应来分析一个地区的环境污染对相邻地区的环境质量的影响程度，从而评估环境污染的扩散效应。

二、实证研究实证研究可以通过构建空间滞后模型来分析直接效应和间接效应。

研究者可以收集相关数据，包括变量的取值和地理位置信息，然后利用空间滞后模型来估计直接效应和间接效应。

通过对估计结果的分析，可以得出直接效应和间接效应的大小和统计显著性。

以城市经济增长为例，研究者可以收集各个城市的经济增长率数据和城市之间的地理位置信息。

然后，利用空间滞后模型来估计直接效应和间接效应。

通过对估计结果的分析，可以得出一个城市的经济增长对周边城市的影响程度以及一个城市的经济增长对周边城市在下一时期的影响程度。

实证研究中还可以考虑其他因素的影响，如空间误差项、时间滞后项等。

截面空间效应分解一、使用空间计量经济模型的动机一种方法从来都是为了解决问题，而不是故弄玄虚。

所以，在准备用空间回归分析之前，我们得先问自己，为什么要用它？这有两大考虑：一是模型更可靠，二是为了识别空间效应。

在一个空间样本集中，样本点之间是相互影响的，这种影响表现在数据上就是Y的空间自相关性，一般用莫兰指数来衡量。

空间自相关来源有三：或是Y之间相互影响，或是毗邻的X影响本身的Y，或是模型中忽略的因素存在空间关联性。

根据这三种关联机制，建模的思路也很直接：如果是邻居的Yj影响自身的Yi（反过来Yi也会影响Yj），那就把邻居的Yj值平均后视为新的自变量LY，加到X中去再回归。

好比浙江的GDP受到本身投入水平的影响，但也与周边的GDP产出水平有关，因此需要将其毗邻省份，如上海、江苏、安徽、江西、福建的GDP平均后作为新的自变量。

每个省份都如此处理，就得到了一列新的变量。

如果是邻居的X影响本身的Y，类似以上做法，把邻居X平均后得到的变量LX加进原有的X再做回归。

一般来说，有多少个X，就有多少个LX。

如果模型中应该考虑LY或（和）LX而你没有考虑，统计上看，就等于产生了遗漏变量偏差，因此模型估计是不可靠的。

第三种情况，模型中忽略的因素间存在空间关联性，这种效应将被误差项吸收，造成误差项相关。

如果忽略的因素外生性很强，如环境变量或是外生冲击等，其不会造成有偏性或是一致性等问题，因此在大样本下问题不严重，但其会影响估计效率。

处理方法是将误差项设定为空间自回归，等于将其分解，一部分为空间自相关部分，则剩下的那部分就是白噪声了。

举个例子，假如在城市某区域政府突然要建一个垃圾站，则将会整体拉低那篇区域的房价，使其变动表现出空间自相关性。

假如在房价影响模型中你没有考虑这个影响（当然你可以设置虚拟变量或是加入与垃圾站的距离来予以考虑），则其影响就归入误差项中，统计上表现出来就是残差值的莫兰指数显著。

除了模型估计上的考虑外，有时候还想看一下邻居到底对自身有没有影响？如果有，是正向还是负向（通常为正向），影响效应到底有多大？这就是空间效应的识别，这是普通回归模型所做不到的。

空间滞后模型直接效应间接效应以空间滞后模型为基础的直接效应和间接效应是研究空间经济学中的重要内容。

空间滞后模型是一种用来研究地理空间上的现象和经济活动之间的关系的方法。

直接效应是指某一经济因素对其周围地区的影响；间接效应是指这种影响通过空间滞后效应，进一步影响其他地区。

在空间滞后模型中，空间滞后效应是指某一地区的经济现象对其周围地区产生的影响不是瞬间的，而是需要一定时间的滞后才能传导到周围地区。

这是因为地理空间上的距离和相互作用的机制使得经济活动的影响在空间上逐渐衰减。

直接效应是指某一地区的经济因素对其周围地区产生的直接影响。

这种影响可以是正向的，比如某一地区的经济增长会带动周围地区的经济增长；也可以是负向的，比如某一地区的经济衰退会影响周围地区的经济发展。

直接效应是通过空间滞后效应传导到周围地区的。

间接效应是指某一地区的经济因素通过空间滞后效应，进一步影响其他地区。

比如，某一地区的经济增长会吸引人口和资本的流入，从而带动周围地区的经济发展；某一地区的经济衰退会导致人口和资本的流出，进而影响周围地区的经济发展。

间接效应是通过空间滞后效应的累积作用产生的。

空间滞后模型的直接效应和间接效应可以通过计量经济学和空间统计学的方法进行实证分析。

研究者可以通过收集地区经济数据，建立空间滞后模型，估计直接效应和间接效应的大小和方向。

这样可以更好地理解经济活动在地理空间上的传导机制，为地区发展和政策制定提供科学依据。

在实践中，空间滞后模型的直接效应和间接效应可以应用于各个领域。

比如，在城市规划中，可以通过研究某一地区的经济因素对周围地区的影响，来指导城市的发展和布局。

在区域经济研究中，可以通过研究不同地区的经济发展对整个区域经济的影响，来制定区域发展政策。

在国际贸易研究中，可以通过研究某一国家的经济因素对其他国家的影响，来理解国际贸易的空间格局和变化。

以空间滞后模型为基础的直接效应和间接效应是研究空间经济学中的重要内容。

空间计量模型直接效应间接效应分解空间计量模型是一种用于分析空间数据的统计模型，它考虑了空间上的相互依赖关系，能够更准确地描述空间数据的特征和变化规律。

在空间计量模型中，直接效应和间接效应是两个重要的概念，它们可以帮助我们更好地理解空间数据之间的关系。

直接效应是指一个变量对另一个变量的影响，而不考虑其他变量的影响。

在空间计量模型中，直接效应可以通过回归分析来计算。

例如，我们可以通过回归分析来探究城市人口密度对房价的影响，这里人口密度就是直接效应变量，房价是被解释变量。

通过回归分析，我们可以得到人口密度对房价的直接影响，这就是直接效应。

间接效应是指一个变量通过其他变量对另一个变量产生的影响。

在空间计量模型中，间接效应可以通过路径分析来计算。

例如，我们可以通过路径分析来探究城市人口密度对房价的影响，同时考虑到城市规模和交通便利程度对房价的影响。

在这个模型中，城市人口密度对房价的影响就是直接效应，而城市规模和交通便利程度对房价的影响就是间接效应。

通过路径分析，我们可以得到城市人口密度对房价的总体影响，包括直接效应和间接效应。

分解直接效应和间接效应可以帮助我们更好地理解空间数据之间的关系。

例如，在上述城市人口密度对房价的模型中，我们可以通过分解直接效应和间接效应来探究城市规模和交通便利程度对房价的影响。

如果我们发现城市规模对房价的影响主要是通过城市人口密度产生的间接效应，而交通便利程度对房价的影响主要是通过直接效应产生的，那么我们就可以得出结论，改善交通便利程度对提高房价的影响更为直接和有效。

总之，空间计量模型的直接效应和间接效应分解是一种重要的分析方法，可以帮助我们更好地理解空间数据之间的关系，为城市规划和政策制定提供科学依据。

出口的空间溢出效应及其影响因素研究李姗姗【摘要】从空间计量经济学的研究视角出发,运用全域空间自相关Moran's I指数,考察2002-2016年中国对中亚地区出口的空间相关性,同时构建两种不同空间权重矩阵下的空间面板杜宾模型,进一步分析中国对外出口的影响因素.结果表明,中国的出口集聚具有空间集群特征,对当地经济增长具有较强的空间依赖性.中国出口集聚对当地的经济发展水平影响显著,当忽略空间因素时,影响程度会被高估;当考虑经济因素的空间权重时,其他地区出口集聚对本地区经济增长的回流效应居于主导地位,所以出口集聚的空间负溢出效应显著;当加入地理因素后,回流效应会被其他地区出口集聚对本地区经济增长的扩散效应抵消,负的空间溢出效应显著性降低,出口的空间溢出效应会得到更精确的描述.【期刊名称】《对外经贸》【年(卷),期】2018(000)010【总页数】5页(P33-37)【关键词】出口贸易;Moran'I指数;空间溢出效应;空间杜宾模型【作者】李姗姗【作者单位】湖南科技大学,湖南湘潭411201【正文语种】中文【中图分类】F740一、引言集聚经济的外部性问题自马歇尔以来长期受到经济学家的关注(Lucas，1988；Romer，1986；Rosentha和Strange，2004)。

Duranton和Puga(2004)将集聚的外部效应归纳为三类：一是分享效应，包括公共物品效应、专业化效应、多样化效应和风险分散效应；二是匹配效应，包括匹配质量提高、匹配概率增加和敲竹杠问题的缓解；三是学习效应，包括知识创造、知识扩散和知识积累。

Baldwin 和Okubo(2006)将Melitz(2003)的异质性企业贸易模型融入到Martin和Rogers(1995)的“资本松脚”模型中，构建异质性企业选址模型。

当运输成本下降，高生产率的企业为实现规模经济，降低平均成本，选择进入集聚区；低生产率的企业为避免激烈竞争进入外围区。