什么是空间杜宾模型(Spatial Dubin Model,SDM)?

空间杜宾模型（SDM）是空间滞后模型和空间误差项模型的组合扩展形式，可通过对空间滞后模型和空间误差模型增加相应的约束条件设立。空间杜宾模型（SDM）是一个通过加入空间滞后变量而增强的SAR模型（空间滞后模型）。

简单地说，SDM分成三个部分：

与相邻地区y的空间自相关：W为空间权重矩阵，显示y与相邻地区的其它y有关系。

自变量相关：y与自变量X有关，也就是最简单的线性回归模型。

与相邻地区x的空间自相关：y与相邻地区的其它x有关系。

举个例子：你知道你考不好，你妈会揍你。你考不好就是x，妈揍你是y。

现在假设你妈有一个很要好的邻居，喜欢揍她的孩子。你妈看到邻居的教育方法让孩子考的很好，因此也想用揍你的方式帮你提升成绩。你妈邻居就是空间自相关的y。

现在你妈邻居的孩子没考好，你妈觉得连邻居的孩子都考不好，自己的孩子怎么可能会考好，于是在你回家报告成绩之前，先拿起鸡毛掸子等你回家。

1、空间杜宾模型隶属于空间经济学旗下的模型。空间杜宾模型和检验、结果解释包含全面的空间计量步骤——多种权重矩阵制作、空间相关性检验、SDM、SEM、SAR模型的命令、相关检验及其结果分析、中国南海九段线的中国地图制作，可以完全跟随模型检验说明进行空间计量的实证操作。SDM分成三个部分：与相邻地区y的空间自相关：W为空间权重矩阵，显示y与相邻地区的其它y有关系。自变量相关：y与自变量X有关，也就是最简单的线性回归模型与相邻地区x的空间自相关：y与相邻地区的其它x有关系。

2、双变量空间自相关模型是指某一空间单元的某一属性值与临近空间单元上同一属性值之间存在的空间相关程度。空间自相关又分为正的空间自相关、负的空间自相关、空间无关。在区域科学分析中，正的空间自相关表明空间区域单元的属性值存在趋同集聚，即高值与高值、低值与低值之间趋于空间聚集。负的空间自相关表明空间区域单元的属性值存在趋异集聚。

3、Anselin和Rey(1991)年将空间自相关进一步分为空间实质相关(spatiallysubstativedependence)和空间扰动相关(spatiallynuisancedependence)，它们都反映了空间单元属性值的非独立性。空间实质相关主要由被解释变量或解释变量的空间相关性所引起。而空间扰动相关由没有作为解释变量(有可能是遗漏解释变量或不可观测)的因素引起的，这种空间自相关归入随机干扰项中。

4、空间自相关的度量可以分为全局空间自相关(globlespatialautocorrelation)和局部空间自相关(localspatialautocorrelation)。度量全局空间自相关的统计量主要包括全局Moran'sI统计量和全局Geary'sC统计量。局部空间自相关用来刻画局域空间单元的属性值的分布特征，特别是分析聚集发生的位置。局部空间自相关由空间联系的局部指标(localindicatorsofspatialassociation，LISA)，包括局部Moran'sI统计量和局部Geary'sC统计量和局部GetisG统计量。

---