Stata相关语句使用指南

若从数据导入开始，那么，就需要采用上文所述的五个步骤来进行。由于这个例子中的前四个步骤都已经完成了，所以，这里就直接讲第五步的语句。针对这个研究例子，在Stata中做空间误差模型的回归分析，采用广义空间二阶最小二乘法进行回归，相应的语句是：

. spregress Y X1 X2， gs2sls errorlag（M）force

在这个语句中，errorlag（M）就是以M为空间权重矩阵进行空间残差估计。若采用最大似然估计法进行回归，相应的语句是：

. spregress Y X1 X2， ml errorlag（M）force

若强行实施最大似然法进行回归，那么，只要在上述这个语句上加一个vce（robust）选项即可，其语句就是：(www.xing528.com)

. spregress Y X1 X2， ml vce（robust）errorlag（M）force

根据这些语句，就可以得到对应的回归结果。可见，当数据整理好之后，进行空间回归就相对比较容易了。只要按照这些简单的语句，就可以实施空间误差模型的估计与回归，就可以得到几组实证结果。在开展时空社会科学研究过程中，通过对这些回归结果进行比较分析，可以探究社会现象在空间上的规律以及邻近空间观测点之间所存在的关联性。

其实，任何实证研究，到了通过统计软件进行回归时，一般都是比较简单的，因为只要运行相关语句，回归结果就很快就出来了。在实证研究中，比较具有难度的事情，在于前期的模型建构以及后期的实证结论的解释上。对于同一个社会现象，不同的研究者可以从不同的角度进行建模，从中可以体现出不同研究者的思考重点。对于同一个实证回归结果，不同的研究者也可以从不同角度来进行解释，因此，就会产生不同的理论。这样，更容易产生学术研究的争鸣，对于相关社会现象的分析也会更加深入。