空间计量模型 (Spatial Econometric Model)

概述

空间计量模型是一类专门用于处理具有空间依赖性和空间异质性数据的统计模型。在传统计量经济学中，通常假设观测值之间是相互独立的，但在地理学、区域经济学和环境科学等领域，邻近区域的观测值往往存在显著的相关性（即“托布勒第一定律”：任何事物都是相关的，但相近的事物关联更紧密）。

核心功能

本模块主要实现以下两类经典空间计量模型：

1. 空间滞后模型 (SAR/SLM)：假设因变量的空间滞后项对当前因变量有直接影响，适用于研究扩散效应或模仿行为。

$$ y = \rho Wy + X\beta + \epsilon $$

2. 空间误差模型 (SEM)：假设误差项之间存在空间相关性，适用于处理遗漏变量导致的空间聚集。

$$ y = X\beta + u, \quad u = \lambda Wu + \epsilon $$

3. 空间杜宾模型 (SDM)：同时包含因变量的空间滞后和自变量的空间滞后，能够区分本地效应和邻居效应。

应用场景

• 区域经济增长的溢出效应分析
• 房价的空间分布与影响因素
• 环境污染的跨区域传输模拟
• 传染病传播的空间动力学研究

结果展示说明

本模块不包含图像渲染，所有结果以结构化文本形式返回。以下是输入与输出的对应描述：

1. 输入描述

用户需提交一个 JSON 格式的请求体，包含以下关键信息：

• Y 向量：长度为 N 的因变量观测值数组（例如：各城市的 GDP）。
• X 矩阵：N×K 的自变量观测值矩阵（例如：人口、投资额、教育水平）。
• W 矩阵：N×N 的空间权重矩阵（通常基于地理邻接关系或距离倒数构建，行标准化）。
• model_type：指定模型类型（"SAR", "SEM", 或 "SDM"）。

输入示例结构

{
  "model_type": "SDM",
  "Y": [10.5, 12.3, ..., 9.8],
  "X": [[1.2, 3.4], [2.1, 4.5], ...],
  "W": [[0, 0.5, 0.5], [0.5, 0, 0.5], ...]
}

2. 输出描述

系统处理后将返回一个 JSON 对象，包含以下文字描述内容：

• 模型拟合优度：

  • 输出 Log-Likelihood（对数似然值），数值越大表示拟合越好。
  • 输出 AIC 和 BIC 信息准则值，用于模型比较，数值越小越优。

• 参数估计结果：

  • 空间自回归系数 (rho/lambda)：输出具体数值及其显著性标记（如 *** 表示 p<0.01）。若 rho 显著不为 0，说明存在显著的空间依赖性。
  • 回归系数 (beta)：列出每个自变量 X 的系数估计值，解释本地因素对因变量的直接影响。
  • 空间溢出系数 (theta)：(仅 SDM 模型) 列出自变量空间滞后项 WX 的系数，解释邻居地区的自变量变化对本地区因变量的间接影响。

• 诊断结论：

  • 输出一段文字总结，例如：“模型在 5% 水平上收敛。空间自回归系数 rho=0.45 (p<0.01)，表明存在强烈的正向空间溢出效应；自变量 X1 的本地弹性为 0.78，其空间滞后项系数为 0.12，说明邻近地区的 X1 增长也会带动本地区 Y 的增长。”

3. 异常输出

若输入的空间权重矩阵未行标准化或数据存在多重共线性，系统将返回错误代码及文字提示：

• Error 400: “空间权重矩阵 W 必须经过行标准化处理，且不能包含全零行。”
• Error 500: “迭代未收敛，请检查数据是否存在严重的多重共线性或尝试更换初始值。”