企业官网建设流程全解析

空间杜宾SDM模型分析结果解读

一、方法概述

空间杜宾模型（Spatial Durbin Model，SDM）是空间计量经济学中应用最为广泛的模型之一。该模型在因变量空间滞后项（Wy）的基础上，同时引入自变量的空间滞后项（WX），从而能够同时捕捉被解释变量的空间溢出效应与解释变量的空间扩散效应。相较于空间滞后模型（SLM）和空间误差模型（SEM），SDM模型具有更一般的设定形式，能够通过约束检验退化为其他空间模型，因此被视为空间模型选择的基准框架。本文基于SPSSAU软件对空间杜宾SDM模型的估计结果进行系统解读。

在SPSSAU【空间计量】模块选择【空间杜宾SDM模型】，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报告了模型估计的基本设定信息。本研究采用空间杜宾SDM模型进行分析，样本量为49个观测单元，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，便于不同地区之间空间滞后项的横向比较。极大似然估计相较于OLS具有更好的有限样本性质，能够为空间模型提供一致的参数估计和有效的统计推断。上述设定构成了后续参数解释和效应分解的基础框架。

三、模型主体回归结果

表2为空间杜宾SDM模型的核心回归结果。常数项估计值为65.247，在1%水平上显著（z=3.959，p<0.001），表明在控制所有解释变量后，犯罪率仍存在较高的基准水平。核心解释变量hoval的回归系数为-0.260，在1%水平上显著（z=-2.808，p=0.005），说明住房价值每上升一个单位，本地区犯罪率平均下降0.260个单位，其95%置信区间为[-0.442, -0.079]，不包含零，方向估计较为稳健。income的回归系数为-1.505，同样在1%水平上高度显著（z=-4.979，p<0.001），表明收入水平对犯罪率具有显著的负向影响。

在空间效应方面，因变量空间滞后项Wy的系数为0.216，但z值为1.143（p=0.253），未达到统计显著水平，表明邻近地区犯罪率的加权平均对本地区犯罪率不存在显著的空间反馈效应。自变量空间滞后项W×hoval的系数为-0.398，z值为-1.781（p=0.075），处于边际显著水平，提示邻近地区住房价值可能对本地区犯罪率存在一定的负向溢出效应。W×income的系数为0.606（z=0.961，p=0.337），未达到统计显著水平，说明邻近地区收入水平对本地区犯罪率的空间扩散效应尚不明确。模型整体拟合优度R²为0.626，调整R²为0.582，F检验在1%水平上显著，表明模型整体解释力较好。

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7.499（df=4，p=0.112），p值大于0.05，不能拒绝同方差的原假设，表明模型残差不存在显著的异方差问题，极大似然估计的标准误是可靠的。Jarque-Bera检验的χ²值为0.937（df=2，p=0.626），p值远大于0.05，表明残差服从正态分布的假设成立。上述两项检验结果共同说明模型的基本假设条件得到满足，参数估计的统计推断具有有效性。

五、信息准则比较

表4给出了模型的信息准则指标。对数似然值为-183.261，AIC值为378.523，Schwarz准则（BIC）值为389.874。AIC和BIC是衡量模型拟合优度与复杂度之间权衡的重要指标，其值越小表明模型在兼顾简约性的前提下拟合效果越好。通过与普通OLS模型或其他简化空间模型的AIC、BIC值进行横向比较，可以判断空间杜宾模型是否在引入空间效应后实现了更优的模型选择。若SDM模型的AIC和BIC值低于基准模型，则说明空间杜宾模型在拟合度与参数简约性之间取得了更好的平衡。

六、空间效应分解

表5是空间杜宾模型最为关键的空间效应分解结果。在SDM模型中，由于自变量空间滞后项的存在，任一解释变量的变化不仅影响本地区，还会通过空间传导机制扩散至邻近地区，因此需要将总效应分解为直接效应、间接效应（溢出效应）和总效应三个部分。

就hoval而言，其直接效应为-0.284（z=-2.868，p=0.004），在1%水平上显著，表明本地住房价值每上升一个单位，本地区犯罪率平均下降0.284个单位。间接效应为-0.556（z=-1.899，p=0.058），处于边际显著水平，表明邻近地区住房价值的提升对本地区犯罪率具有负向溢出效应，即周边住房价值上升有助于降低本地区犯罪率。总效应为-0.839（z=-2.497，p=0.013），在5%水平上显著，说明住房价值对犯罪率的整体抑制效应是显著的。值得注意的是，间接效应的绝对值大于直接效应，表明住房价值的空间溢出效应在总量上甚至超过了本地直接效应。

就income而言，其直接效应为-1.491（z=-4.975，p<0.001），高度显著，表明本地收入水平对犯罪率具有强烈的抑制作用。间接效应为0.344（z=0.417，p=0.677），未达到统计显著水平，说明邻近地区收入变化对本地区犯罪率的溢出效应尚不明确。总效应为-1.147（z=-1.248，p=0.212），同样不显著，这主要是因为间接效应的正负方向与直接效应不一致，导致总效应的统计显著性被削弱。

七、模型选择检验

表6报告了似然比检验（LR检验）的结果，用于判断空间杜宾模型是否可以退化为更简化的空间模型。第一个检验的原假设为SLM模型（即SDM中自变量空间滞后项系数为零），χ²值为3.263（df=2，p=0.196），p值大于0.05，未能拒绝原假设，提示SDM可能可以简化为SLM模型。第二个检验的原假设为SEM模型，χ²值为4.376（df=2，p=0.112），同样未能拒绝原假设。这一结果意味着，虽然空间杜宾模型提供了更一般的框架，但数据并未提供充分证据支持其相对于简化模型的显著优势。

表7报告了Wald检验的结果，作为LR检验的补充。Wald检验的第一项检验χ²值为3.522（df=2，p=0.172），p值大于0.05，与LR检验结论一致，未能拒绝SDM退化为SLM的原假设。第二项检验χ²值为5.063（df=2，p=0.080），p值略低于0.10的边际显著水平，提示SDM相对于SEM模型可能存在一定优势，但证据强度有限。综合LR检验和Wald检验的结果，空间杜宾模型中自变量空间滞后项的联合显著性有限，研究者可根据研究目的和理论需要在SDM与简化模型之间进行选择。

八、结论

本文基于SPSSAU软件对空间杜宾SDM模型进行了系统估计与检验。研究结果表明，住房价值（hoval）和收入水平（income）对本地区犯罪率均具有显著的负向影响，其中hoval的空间溢出效应尤为值得关注，其间接效应绝对值甚至超过直接效应。因变量空间滞后项Wy的系数为正但不显著，表明犯罪率的空间反馈效应有限。LR检验和Wald检验的结果提示SDM模型可能可以简化为SLM或SEM模型。综合来看，空间计量框架下的效应分解揭示了传统回归模型无法捕捉的跨地区扩散机制，为犯罪率的空间治理提供了更为丰富的经验证据。