企业官网建设流程全解析

空间滞后误差SAC模型分析结果解读

一、方法概述

空间滞后误差模型（Spatial Autoregressive Combined Model，SAC），亦称一般空间模型（General Spatial Model），是空间计量经济学中最为一般的模型形式之一。该模型同时引入因变量的空间滞后项（Wy）和残差项的空间滞后项（Wu），既刻画了被解释变量之间的空间依赖关系，又考虑了误差项的空间自相关结构。SAC模型可以视为空间滞后模型（SLM）和空间误差模型（SEM）的综合扩展，适用于同时存在空间扩散效应和空间误差相关的研究场景。本文基于SPSSAU软件对空间滞后误差SAC模型的估计结果进行系统解读。

在SPSSAU【空间计量】模块选择【空间滞后误差模型SAC】，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报告了空间滞后误差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，估计方法为广义矩估计法（GMM）。与极大似然法（ML）不同，GMM估计法不依赖于残差的正态分布假设，通过构造矩条件进行参数估计，在模型设定较为复杂或分布假设难以满足时具有更好的稳健性。行标准化处理保证了空间滞后项的经济含义明确，便于不同地区之间的横向比较。

三、模型主体回归结果

表2为空间滞后误差SAC模型的核心回归结果。常数项估计值为51.570，在1%水平上高度显著（z=6.084，p<0.001），95%置信区间为[34.956, 68.185]，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-0.261，在1%水平上显著（z=-2.773，p=0.006），95%置信区间为[-0.445, -0.076]，表明住房价值对犯罪率具有显著的负向影响。income的回归系数为-1.455，在1%水平上高度显著（z=-4.817，p<0.001），95%置信区间为[-2.046, -0.863]，说明收入水平对犯罪率具有强烈的抑制作用。

在空间参数方面，因变量空间滞后项Wy的系数ρ为0.401，在5%水平上显著（z=2.461，p=0.014），95%置信区间为[0.082, 0.721]，表明邻近地区犯罪率的加权平均值每上升一个单位，本地区犯罪率平均上升0.401个单位。相较于空间滞后SLM模型中的ρ=0.300，SAC模型中的空间自回归系数更大，说明在同时考虑残差空间自相关后，因变量的空间依赖效应进一步增强。残差空间滞后参数Lambda未报告具体估计值和统计量，这可能与GMM估计方法的特性有关。模型伪R²为0.606，表明模型对犯罪率变异具有较好的解释力。

四、模型诊断检验

表3报告了模型的正态性检验结果。Jarque-Bera检验的χ²值为2.405（df=2，p=0.300），p值远大于0.05，不能拒绝残差服从正态分布的原假设。这一结果表明SAC模型的残差满足正态性假设，参数估计的统计推断具有有效性。需要注意的是，由于SAC模型采用GMM估计方法，其对残差分布假设的依赖程度本身较低，正态性检验的通过进一步增强了模型估计结果的可信度。

五、空间效应分解

表4是空间滞后误差模型最为关键的空间效应分解结果。在SAC模型中，由于同时存在因变量空间滞后项和残差空间滞后项，自变量的影响通过复杂的空间传导机制发挥作用，需要将其分解为直接效应、间接效应和总效应。

就hoval而言，其直接效应为-0.272（z=-2.731，p=0.006），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0.272个单位。间接效应为-0.163（z=-1.068，p=0.285），未达到统计显著水平，表明住房价值的空间溢出效应尚不明确。总效应为-0.436（z=-2.011，p=0.044），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。

就income而言，其直接效应为-1.518（z=-4.881，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-0.911（z=-1.011，p=0.312），未达到统计显著水平，但其绝对值较大，提示收入的空间溢出效应可能存在但受限于样本量而未能达到统计显著性。总效应为-2.430（z=-2.324，p=0.020），在5%水平上显著，表明收入对犯罪率的整体抑制效应是显著的。值得注意的是，income的总效应（-2.430）远大于其直接效应（-1.518），表明收入对犯罪率的影响中有相当部分通过空间溢出渠道实现。

六、结论

本文基于SPSSAU软件对空间滞后误差SAC模型进行了系统估计与解读。研究表明，因变量空间自回归系数ρ为0.401且在5%水平上显著，证实了犯罪率在地区之间存在显著的空间正向溢出效应。住房价值（hoval）和收入水平（income）均对犯罪率具有显著的负向影响，其中hoval的总效应（-0.436）和income的总效应（-2.430）均在5%水平上显著。空间效应分解结果显示，income的间接效应（-0.911）虽然未达显著水平，但其绝对值较大，提示收入的空间溢出效应值得关注。模型诊断检验表明残差满足正态性假设。综合来看，空间滞后误差模型同时捕捉了犯罪率的空间扩散效应和误差的空间相关结构，为理解犯罪的空间分布格局提供了更为全面的分析框架。