楼主，你做的结果的接图有没有啊？

是截图

这是截面的命令吧，请问楼主矩阵E是怎么弄出来的？

LM回归 判断使用哪种空间模型
先设定矩阵pweight.dta（如moran前几步）
spregsarxt s segin edu gdp tech pop, wmfile(pweight.dta) nc(31) lmspac


==============================================================================
*** Binary (0/1) Weight Matrix: 341x341 - NC=31 NT=11 (Non Normalized)
==============================================================================

initial:       log likelihood =  56.876941
rescale:       log likelihood =  56.876941
rescale eq:    log likelihood =  56.876941
Iteration 0:   log likelihood =  56.876941  
Iteration 1:   log likelihood =  60.853957  
Iteration 2:   log likelihood =   60.88959  
Iteration 3:   log likelihood =  60.889613  
Iteration 4:   log likelihood =  60.889613  
==============================================================================
* MLE Spatial Lag Panel Normal Model (SAR)
==============================================================================
  s = segin + edu + gdp + tech + pop
------------------------------------------------------------------------------
  Sample Size       =         341   |   Cross Sections Number   =          31
  Wald Test         =    805.4746   |   P-Value > Chi2(5)       =      0.0000
  F-Test            =    161.0949   |   P-Value > F(5 , 305)    =      0.0000
(Buse 1973) R2     =      0.7063   |   Raw Moments R2          =      0.9579
(Buse 1973) R2 Adj =      0.6726   |   Raw Moments R2 Adj      =      0.9530
  Root MSE (Sigma)  =      0.1390   |   Log Likelihood Function =     60.8896
------------------------------------------------------------------------------
- R2h= 0.3260   R2h Adj= 0.2486  F-Test =   32.40 P-Value > F(5 , 305) 0.0000
- R2v= 0.3123   R2v Adj= 0.2334  F-Test =   30.43 P-Value > F(5 , 305) 0.0000
------------------------------------------------------------------------------
           s |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
-------------+----------------------------------------------------------------
s            |
       segin |   .0186811   .1423101     0.13   0.896    -.2602416    .2976038
         edu |   .0147365   .0028604     5.15   0.000     .0091302    .0203427
         gdp |  -.0005648   .0301892    -0.02   0.985    -.0597345    .0586049
        tech |   .0164845   .0020312     8.12   0.000     .0125035    .0204654
         pop |   .0000213   7.97e-06     2.67   0.008     5.64e-06    .0000369
       _cons |    .392449   .2580654     1.52   0.128    -.1133499     .898248
-------------+----------------------------------------------------------------
        /Rho |  -.0280663   .0101534    -2.76   0.006    -.0479667   -.0081659
      /Sigma |   .2075909   .0081441    25.49   0.000     .1916287    .2235531
------------------------------------------------------------------------------
LR Test SAR vs. OLS (Rho=0):      7.6409   P-Value > Chi2(1)   0.0057
Acceptable Range for Rho:        -0.5991 < Rho < 0.1586
------------------------------------------------------------------------------

==============================================================================
*** Spatial Panel Aautocorrelation Tests
==============================================================================
  Ho: Error has No Spatial AutoCorrelation
  Ha: Error has    Spatial AutoCorrelation

- GLOBAL Moran MI            =   0.2037     P-Value > Z( 6.412)   0.0000
- GLOBAL Geary GC            =   0.8827     P-Value > Z(-2.584)   0.0098
- GLOBAL Getis-Ords GO       =  -1.0907     P-Value > Z(-6.412)   0.0000
------------------------------------------------------------------------------
- Moran MI Error Test        =   1.5220     P-Value > Z(47.325)   0.1280
------------------------------------------------------------------------------
- LM Error (Burridge)        =  31.2441     P-Value > Chi2(1)     0.0000
- LM Error (Robust)          =  28.1051     P-Value > Chi2(1)     0.0000
------------------------------------------------------------------------------
  Ho: Spatial Lagged Dependent Variable has No Spatial AutoCorrelation
  Ha: Spatial Lagged Dependent Variable has    Spatial AutoCorrelation

- LM Lag (Anselin)           =   3.2034     P-Value > Chi2(1)     0.0735
- LM Lag (Robust)            =   0.0644     P-Value > Chi2(1)     0.7997
------------------------------------------------------------------------------
  Ho: No General Spatial AutoCorrelation
  Ha:    General Spatial AutoCorrelation

- LM SAC (LMErr+LMLag_R)     =  31.3085     P-Value > Chi2(2)     0.0000
- LM SAC (LMLag+LMErr_R)     =  31.3085     P-Value > Chi2(2)     0.0000
------------------------------------------------------------------------------

矩阵不是都有标准的吗 01矩阵，距离举证经济距离矩阵...

10年一起做的，一年一年不烦么

请问楼主n*n的空间权重矩阵E是怎么弄出来的？我一直以为这个命令只能做截面，您的意思是只要矩阵弄好了，也可以做面板的是吧？

您好，我看这个输出的LM检验 *** Spatial Panel Aautocorrelation Tests
==============================================================================
  Ho: Error has No Spatial AutoCorrelation
  Ha: Error has    Spatial AutoCorrelation

- GLOBAL Moran MI            =   0.2533     P-Value > Z( 7.920)   0.0000
- GLOBAL Geary GC            =   0.7356     P-Value > Z(-5.559)   0.0000
- GLOBAL Getis-Ords GO       =  -1.1005     P-Value > Z(-7.920)   0.0000
------------------------------------------------------------------------------
- Moran MI Error Test        =   2.0626     P-Value > Z(63.984)   0.0392
------------------------------------------------------------------------------
- LM Error (Burridge)        =  49.4833     P-Value > Chi2(1)     0.0000
- LM Error (Robust)          =  49.4889     P-Value > Chi2(1)     0.0000
------------------------------------------------------------------------------
  Ho: Spatial Lagged Dependent Variable has No Spatial AutoCorrelation
  Ha: Spatial Lagged Dependent Variable has    Spatial AutoCorrelation

- LM Lag (Anselin)           =   0.0002     P-Value > Chi2(1)     0.9902
- LM Lag (Robust)            =   0.0058     P-Value > Chi2(1)     0.9394
------------------------------------------------------------------------------
  Ho: No General Spatial AutoCorrelation
  Ha:    General Spatial AutoCorrelation

- LM SAC (LMErr+LMLag_R)     =  49.4891     P-Value > Chi2(2)     0.0000
- LM SAC (LMLag+LMErr_R)     =  49.4891     P-Value > Chi2(2)     0.0000
------------------------------------------------------------------------------

是不是说明LM Error  显著，LM Lag 不显著。按理应该是存在 空间效应sem
但是最后有一个 LM SAC ？？也是显著，是什么意思？难道是 可以用sac模型？
但是我后来用 xsmle 语句分别作了sdm sem sar(slm) sac,，发现就是sac的空间效应不显著。

学习了下

请问stata提示权重矩阵与观测值不匹配，应该如何设置权重矩阵呢？或者应该如何设置呢？

是不是因为你这个是面板数据，但你的语句是截面数据，所以不匹配。我也出现了这种情况，但你用xsmle命令就可以了，陈强那本书上给出的数据是截面数据，书29.9讲了面板数据语句。

不行啊，还是显示To run -spatreg- weights matrix dimension must equal N. of obs

请问您解决了吗？我还是出现这种问题Matrix iw is 13x13, the dataset in use has 91 obs.
To run -spatreg- weights matrix dimension must equal N. of obs

想问一下，这个该怎么办？在运行命令spregsarxt y lnagdp gap net urb road gst fdr epr, wmfile(w.dta) nc(13) lmspac之后出现
==============================================================================
*** Binary (0/1) Weight Matrix: 91x91 - NC=13 NT=7 (Non Normalized)
==============================================================================

initial:       log likelihood = -48.089668
rescale:       log likelihood = -48.089668
rescale eq:    log likelihood = -48.089668
Iteration 0:   log likelihood = -48.089668  (not concave)
Iteration 1:   log likelihood =  -42.66008  (not concave)
Iteration 2:   log likelihood = -40.792812  (not concave)
Iteration 3:   log likelihood = -39.577548  (not concave)
Iteration 4:   log likelihood = -38.524239  (not concave)
Iteration 5:   log likelihood = -37.457956  (not concave)
Iteration 6:   log likelihood = -36.911818  (not concave)
Iteration 7:   log likelihood = -33.926805  
Iteration 8:   log likelihood = -23.628673  
Iteration 9:   log likelihood = -23.592719  (backed up)
Iteration 10:  log likelihood = -23.575036  (backed up)
Iteration 11:  log likelihood = -23.566325  (backed up)
Iteration 12:  log likelihood = -23.561949  (backed up)
Iteration 13:  log likelihood =   -23.5614  (backed up)
Iteration 14:  log likelihood = -23.561123  (backed up)
Iteration 15:  log likelihood = -23.561089  (backed up)
Iteration 16:  log likelihood = -23.561072  (backed up)
numerical derivatives are approximate
nearby values are missing
numerical derivatives are approximate
nearby values are missing
numerical derivatives are approximate
nearby values are missing
cannot compute an improvement -- discontinuous region encountered
r(430);

不知道问题在哪

spregsarxt 是什么呀？

楼主您好，您这个回归结果代表什么呢，可以用sem模型吗？

把数据选取一年的 用截面数据就ok

这还是截面数据的命令，面板数据回归应该用xsmle命令语言

您好，请问您解决了，这个可以做出来LM-error和LM-lag结果吗

楼主，您好。面板模型的LM检验应该怎么做？我用代码： xsmle y1 x1 lnx2 lnx5 x7 x10 lnx11 ,fe model(sdm) wmat(w) lmspac，输出结果并无LM结果。

请教一下 为什么我用这个命令会出现检验的数据栏都为空的问题

eigenval （E）这个E是什么

我也出现类似问题了！应该是数据和矩阵维度对应，但是不知如何解决！