企业官网建设流程全解析

空间误差SEM模型分析结果解读

一、方法概述

空间误差模型（Spatial Error Model，SEM）是空间计量经济学中的重要模型形式。该模型假设空间依赖性主要通过误差项传递，即模型的残差存在空间自相关，而非因变量本身存在空间滞后。SEM模型的数学表达为：y = Xβ + ε，其中ε = λWε + μ，λ为空间误差自回归系数，W为空间权重矩阵，μ为独立同分布的随机误差项。SEM模型适用于空间相关性主要来源于遗漏变量或测量误差的空间传导，而非因变量本身存在直接空间交互的情形。本文基于SPSSAU软件对空间误差SEM模型的估计结果进行系统解读。

在SPSSAU【空间计量】模块选择【空间误差SEM】，将变量拖拽至右侧对应分析框，选择空间权重矩阵文档，操作如下图：

二、模型设定与基本参数

表1报告了空间误差SEM模型的基本设定信息。本研究以49个观测单元为分析样本，空间权重矩阵采用行标准化处理，估计方法为极大似然法（ML）。行标准化使得空间权重矩阵各行元素之和为1，保证了空间误差滞后项Wu表示的是邻近地区误差项的加权平均值。极大似然估计法能够同时估计回归系数β和空间误差自回归系数λ，提供一致的参数估计和有效的统计推断。上述设定为后续参数解释和空间效应分析奠定了基础。

三、模型主体回归结果

表2为空间误差SEM模型的核心回归结果。常数项估计值为66.756，在1%水平上高度显著（z=13.816，p<0.001），95%置信区间为[57.286, 76.225]，表明犯罪率的基准水平较高。核心解释变量hoval的回归系数为-0.223，在5%水平上显著（z=-2.387，p=0.017），95%置信区间为[-0.406, -0.040]，表明住房价值对犯罪率具有显著的负向影响，住房价值每上升一个单位，犯罪率平均下降0.223个单位。income的回归系数为-1.616，在1%水平上高度显著（z=-5.246，p<0.001），95%置信区间为[-2.220, -1.013]，说明收入水平对犯罪率具有强烈的抑制作用。

空间误差自回归系数λ（Lambda）是本模型的核心参数，其估计值为0.361，在5%水平上显著（z=2.053，p=0.040），95%置信区间为[0.016, 0.706]，不包含零。这一结果表明，模型残差存在显著的正向空间自相关，即邻近地区未观测到的影响因素（如文化传统、制度环境、地理条件等遗漏变量）对本地区残差具有正向的传导效应。λ=0.361意味着邻近地区残差每变动一个单位，本地区残差平均变动0.361个单位。这一结果证实了犯罪率数据中存在不可忽视的空间误差依赖结构，如果忽略这种结构而使用普通OLS回归，将导致参数估计效率下降和统计推断失效。模型伪R²为0.551，F检验在1%水平上高度显著（F(3,45)=25.500，p<0.001）。

四、模型诊断检验

表3报告了模型诊断检验结果。Breusch-Pagan检验的χ²值为8.561（df=2，p=0.014），p值小于0.05，拒绝了同方差的原假设，表明模型残差可能存在一定程度的异方差问题。在存在异方差的情况下，极大似然估计的标准误可能存在偏误，建议在实际研究中考虑使用稳健标准误进行修正。Jarque-Bera检验的χ²值为3.731（df=2，p=0.155），p值大于0.05，不能拒绝残差服从正态分布的原假设，表明残差的正态性假设成立。综合来看，正态性假设得到满足，但需要注意潜在的异方差问题对统计推断的影响。

五、信息准则比较

表4给出了空间误差SEM模型的信息准则指标。对数似然值为-185.449，AIC值为376.899，Schwarz准则（BIC）值为382.574。将SEM模型与其他空间模型进行比较：SDM模型AIC=378.523、SDEM模型AIC=377.346、SLM模型AIC=377.785。SEM模型的AIC值（376.899）在所有模型中最低，表明空间误差模型在拟合优度与参数简约性之间取得了最优的平衡。BIC值（382.574）同样在所有模型中最低，进一步支持了SEM模型作为本研究最优模型选择的结论。这一结果意味着犯罪率数据中的空间依赖结构主要通过误差项传递，而非因变量的直接空间滞后。

六、空间效应分解

表5报告了空间误差模型的空间效应分解结果。在SEM模型中，空间依赖性仅通过误差项传递，自变量不存在直接的空间溢出渠道，因此所有解释变量的间接效应（溢出效应）均为零，直接效应等于总效应。具体而言，hoval的直接效应和总效应均为-0.223，income的直接效应和总效应均为-1.616。

这一结果反映了SEM模型与SDM、SLM等模型在效应分解上的本质区别。在SEM模型中，空间误差自回归系数λ=0.361虽然显著，但它仅表明遗漏变量或不可观测因素存在空间传导，并不意味着解释变量的变化会通过空间渠道影响邻近地区的因变量。因此，SEM模型中的效应分解较为简单，每个变量的总效应就等于其回归系数。这一特征使得SEM模型在政策含义上更侧重于本地区因素的直接影响，而非跨区域的空间溢出效应。如果研究者关注的是解释变量的空间溢出效应，则SDM或SLM模型可能更为合适。

七、结论

本文基于SPSSAU软件对空间误差SEM模型进行了系统估计与解读。研究表明，空间误差自回归系数λ为0.361且在5%水平上显著，证实了犯罪率数据中存在显著的残差空间自相关，即遗漏变量或不可观测因素通过空间渠道产生传导效应。住房价值（hoval，β=-0.223，p=0.017）和收入水平（income，β=-1.616，p<0.001）均对犯罪率具有显著的负向影响。信息准则比较显示SEM模型的AIC值（376.899）和BIC值（382.574）在所有候选模型中最低，支持SEM模型作为最优模型选择。模型诊断检验表明残差满足正态性假设，但存在一定程度的异方差问题需要注意。综合来看，空间误差模型有效捕捉了犯罪率数据中通过误差项传递的空间依赖结构，为犯罪率影响因素的分析提供了更为可靠的统计推断框架。