问题描述
使用两个时间段的面板数据集，我可以使用面板模型的“splm”包（设置模型 =“内部”，效果 =“双向”）或空间reg运行我的模型，回归2年之间的差异因变量对解释变量的差异。在第一种情况下，模型是 T=2 的固定效应，在第二种情况下，它被称为一阶差分估计量。无论如何，无论使用哪个包，结果都是一样的。
问题是 RLM 测试支持使用空间滞后模型，而且看起来“splm”和“spatialreg”包对 SAR 模型的最终结果的解释有不同的方法。
虽然对于 splm，可以直接使用/解释 SAR 回归输出，但在 spatialreg 中，强烈建议“忽略”SAR 回归输出，而对于估计和 p 值，则使用“影响”命令。
“影响”的理论解释是，由于参数 Rho-lag 反馈的空间依赖性，我们不能使用拟合的 beta 参数，而必须依赖于正确制定的影响度量（Bivand 和 Piras，2015 年）。这确实是使用“影响”的一个很好的动机。
然而，在我的例子中，初始 splm/lagsarlm 输出看起来比“impacts”输出更“理智”和值得信赖。例如，“影响”表明地铁引入的间接影响与直接影响几乎相同，而且鉴于我的分析范围相当大，而且有些观察距离最近的地铁站很远，我很难相信间接效应实际上和直接效应一样强。
所以我基本上是在寻找关于这个问题的一些建议......为什么“impacts”命令没有包含在 splm 中？也许在这个问题上还没有足够的共识，如果它在一个包中可用但在另一个包中没有？在这种情况下，您会选择什么：报告看起来更合理的 splm/lagsarlm 输出，或者理论上可能更好但看起来有点疯狂的“影响”输出？
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）