胖厨胡学斌1. 空间Probit模型基础认知
空间Probit模型作为离散选择模型与空间计量经济学的交叉产物，在区域经济学、房地产评估、公共政策评估等领域具有独特价值。与传统Probit模型相比，其核心差异在于引入了空间权重矩阵W，通过空间滞后项（Wy）或空间误差项（Wu）来捕捉地理单元之间的交互影响。这种设定使得模型能够处理"邻居效应"——即相邻区域的决策会相互影响的现实场景，比如某地区企业创新行为会受周边区域政策环境的影响。
在Stata生态中，虽然官方命令集未直接提供空间Probit的估计命令，但通过组合使用spmat、spreg等空间计量工具与ml maximize等最大似然估计方法，完全可以实现模型的完整估计流程。这里需要特别注意：空间Probit的似然函数涉及高维积分计算，通常需要采用GHK模拟法等数值逼近技术，这对计算效率和代码实现都提出了较高要求。
关键认知：空间Probit模型中的空间效应系数ρ（rho）解释需格外谨慎。当ρ>0时表示存在同群效应（peer effects），即邻近单元的选择行为会正向影响本单元；ρ<0则暗示竞争效应。这与截面数据Probit模型中的β系数有着完全不同的经济学含义。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 数据准备与空间矩阵构建
2.1 数据结构要求
空间Probit模型要求数据必须包含地理标识变量（如行政区代码、经纬度坐标），建议使用面板数据结构。示例数据框架应包含：
- 被解释变量：二值变量（0/1编码）
- 解释变量：各类影响因素（需预先完成多重共线性检验）
- 空间标识变量：可用于生成空间权重矩阵
stata复制* 示例数据结构查看
use spatial_data.dta, clear
describe
list in 1/5
2.2 空间权重矩阵生成
空间权重矩阵的质量直接影响估计结果，常用构建方法包括：
| 矩阵类型 | 生成命令示例 | 适用场景 |
|---|---|---|
| 邻接矩阵 | spmat create contiguity W |
行政区相邻数据 |