课程的内容设置以空间计量模型的应用为导向。我们将利用经典文献的数据集对不同的空间计量模型进行演示，并提供分析结果所使用的 Stata 和 Matlab 程序，以便学员们能够使用这些程序来进行自己的实证分析。此外，我们还将介绍基本模型的拓展及其在金融、国际贸易、环境经济学、财政以及区域经济学等领域中的应用。
第三讲 介绍 高阶空间滞后模型。包含高阶空间滞后项的空间计量模型的空间权重设定、IV 及 GMM 估计原理和 Matlab + Stata 实现，以及高阶空间滞后模型的拓展及发展方向。
第四讲 介绍 空间联立方程模型 的由来，并结合 Kelejian and Prucha(2004) 的论文帮助学员们理解在 Stata 中如何对空间联立方程进行设定和估计。此外，课程还将结合 Chen, et al. (2015) 的论文讲解空间联立方程如何在金融、国际贸易、财政及区域经济学进行拓展。
第五、六讲 针对学员们普遍关心（也是目前空间计量应用中最为常见的数据结构）面板数据，本课程将会引导学员使用 Matlab 和 Stata 两种软件对 静态空间面板 及 动态空间面板 模型进行估计，并对估计结果进行讲解。此外，课程还将通过案例数据针对静态和动态空间面板经常出现的问题进行讲解和解惑。
案例3：Xi and Lee (2015) Estimating a spatial autoregressive model with an endogenous spatial weight matrix, JoE, Vol.184:209-232.
第 3 讲 高阶空间滞后模型（3小时）
高阶空间滞后模型的由来（Case et al., 1993）
高阶空间滞后模型的估计（IV 和 GMM）
高阶空间滞后模型的 Matlab +stata实现及应用
第 4 讲 空间联立方程模型（3小时）
空间联立方程的由来
空间联立方程的估计
空间联立方程的 stata实现及应用
案例讲解：Harry H. Kelejian, Ingmar R. Prucha，“Estimation of Simultaneous Systems of Spatially Interrelated Cross Sectional Equations”JoE，2004，Vol.118 ：27 – 50
第 5-6 讲 空间面板数据模型（6 小时）
空间面板数据模型简介
有固定效应的静态面板模型的估计
案例1: Baltagi, BH, Li, D(2004) “Prediction in the panel data model with spatial autocorrelation.（matlab）
案例1: Stata manual 空间工具箱应用
动态面板模型
案例1: Baltagi, BH, Li, D(2004) “Prediction in the panel data model with spatial autocorrelation.（matlab）
案例2: Stata Journal Volume 17 Number 1: pp. 139-180 Spatial panel-data models using Stata
第 7 讲 离散和受限数据的空间计量模型（3 小时）
Spatial Probit 模型估计原理及 Matlab 实现
案例1: J.PAUL ELHORST, et.al, 2017，“TRANSITIONS AT DIFFERENT MOMENTS IN TIME: A SPATIAL PROBIT APPROACH”，J. Appl. Econ. 32: 422–439
Spatial Tobit 模型估计原理及Matlab实现
第 8 讲 实例剖析：Peer Effect (同群效应)（3 小时）
Peer Effect 与空间计量：由来与设定
资产定价中的 Peer Effect (stata+matlab)
公司决策中的 Peer Effect (stata)
范例论文：3 篇
Pirinsky C , Wang Q . Does Corporate Headquarters Location Matter for Stock Returns? [J]. Journal of Finance, 2006, 61(4):1991-2015. [PDF]
Leary M T, Roberts M R. Do Peer Firms Affect Corporate Financial Policy?. Journal of Finance, 2014, 69(1):139–178. [PDF]
Foucault, T., L. Fresard, Learning from peers' stock prices and corporate investment, Journal of Financial Economics, 2014, 111 (3): 554-577. [PDF]
参考文献：
J. Paul Elhorst . Spatial Econometrics: From Cross-Sectional Data to Spatial Panels[M]. Springer Berlin Heidelberg, 2014.
Pirinsky C , Wang Q . Does Corporate Headquarters Location Matter for Stock Returns?[J]. The Journal of Finance, 2006, 61(4):1991-2015. [PDF]
Foucault T , Frésard, Laurent. Learning from Peers' Stock Prices and Corporate Investment[J]. Journal of Financial Economics, 2014, 111(3):554-577.
Leary M T, Roberts M R. Do Peer Firms Affect Corporate Financial Policy?. Journal of Finance, 2014, 69(1):139–178. [PDF]
Jillian Grennan . Dividend payments as a response to peer influence. Journal of Financial Economics, 2019, 131(3): 549-570. [PDF]
Herskovic B. Networks in Production: Asset Pricing Implications[J]. Journal of Finance, 2018,74(4):1785-1818.
Richmond R J . Trade Network Centrality and Currency Risk Premia[J]. Social Science Electronic Publishing, 2015.
Barrot J N , Sauvagnat J . Input Specificity and the Propagation of Idiosyncratic Shocks in Production Networks[J]. Quarterly Journal of Economics, 2014(3).
Pesaran M H , Yang C F . Econometric Analysis of Production Networks with Dominant Units[J]. Journal of Econometrics Forthcoming., 2016.
Yang, Zhenlin. -estimation of fixed-effects spatial dynamic models with short panels[J]. Journal of Econometrics, 2018:S0304407618300599.
Lee L F , Yu J . A spatial dynamic panel data model with both time and individual fixed effects [J]. Econometric Theory, 2010, 26(02):564.
Prucha K I R . A Generalized Moments Estimator for the Autoregressive Parameter in a Spatial Model[J]. International Economic Review, 1999, 40(2):509-533.
Kelejian H H , Prucha I R . Specification and estimation of spatial autoregressive models with autoregressive and heteroskedastic disturbances[J]. Journal of Econometrics, 2010, 157(1):53-67.
LEE, LungFei. GMM and 2SLS estimation of mixed regressive, spatial autoregressive models[J]. Journal of Econometrics, 2007, 137(2):489-514.
Lung-Fei L , Xiaodong L . Efficient GMM estimation of high order spatial autoregressive models with autoregressive disturbances[J]. Econometric Theory, 2010, 26(1):44.
Aklin M. Re-exploring the Trade and Environment Nexus Through the Diffusion of Pollution. Environmental & Resource Economics, 2016, 64(4): 663-682. [PDF]
Case A C , Rosen H S , Hines J R . Budget spillovers and fiscal policy interdependence: Evidence from the states[J]. Journal of Public Economics, 1993, 52(3):285-307.
Lee, Lung-fei, and Jihai Yu. "Estimation of spatial autoregressive panel data models with fixed effects." Journal of Econometrics 154.2 (2010): 165-185.
LeSage, James, and Robert Kelley Pace. Introduction to spatial econometrics. Chapman and Hall/CRC, 2009. [Link]
Xu, Xingbai, and Lung-fei Lee. "Maximum likelihood estimation of a spatial autoregressive Tobit model." Journal of Econometrics 188.1 (2015): 264-280. [PDF]