时变空间权重矩阵面板数据模型稳健LM检验有效性研究

空间权重矩阵是描述个体间空间关系的重要工具,通常基于个体间的地理距离构造不随时间而改变的空间权重矩阵。然而,当个体间的空间关系源自经济/社会/贸易距离或人口流动性/气候等特征时,空间权重矩阵本质上可能将随时间而改变。由此,本研究提出时变空间权重矩阵面板数据模型的稳健LM检验。大量Monte Carlo模拟结果显示：从检验水平和功效角度来看,基于误设的非时变空间权重矩阵的稳健LM检验存在较大偏差,但是基于时变空间权重矩阵的稳健LM检验能够有效地识别面板数据中的空间关系类型。尤其是,在时间较长和个体较多等情况下,时变空间权重矩阵的稳健LM检验功效更高。     

宏观经济变量对房地产价格的影响

房地产价格不仅仅受其内在价值的影响,还和宏观经济因素有密切的关系。本文运用向量自回归方法,就宏观经济对房地产价格的影响进行实证分析。研究结果表明,房价上升的主要原因是前期价格的变动,物价和货币供应量对房价的影响较小,此外,利率指标和国内生产总值指标没有通过检验。     

房地产价格对中国宏观经济的影响研究

文章通过构建VAR模型,实证检验了房地产价格对我国宏观经济的动态冲击影响.实证结果显示:在中国,房地产价格的托宾q效应最为明显,财富效应其次,资产负债表效应最弱.通过这三种渠道房地产价格上涨最终会对产出和通胀产生正向影响.而从方差分解结果来看,投资对产出变动的贡献度最大,房价上涨在中长期会直接推高通胀水平.     

我国利率政策对房地产价格传导效应研究

文章分析了利率调控房地产价格的效率,通过实证分析得出结论:我国利率政策能够负向影响房价,并且紧缩的利率政策对房价的影响大于扩张的利率政策对房价的影响.针对这些特点笔者提出多种政策配合调控房地产价格以及打击投机行为以维持房地产市场健康发展等政策建议.     

房地产价格指数波动及其实证检验

文章选用面板数据非线性平滑转移模型捕捉房地产价格指数模型的机制变化情况,并探讨这种机制变化与房地产调控政策之间的联动效应.结果表明:(1)9类房地产价格指数模型均存在非线性,且它们发生机制变化的次数和时间有所不同.(2)在房价调控政策的冲击下,大、中、小户型新建商品住宅价格指数、二手住宅价格指数和总价格指数表现出不同的波动特征.(3)从房价指数模型的机制变动中发现房控政策只能短期发生效力,短期降低了人们关于房价的预期程度后,通过累积效应最终抑制不住人们关于房价的强烈预期.     

一种新的空间权重矩阵选择方法

空间权重矩阵选择问题一直是空间计量经济学中的一个难题,权重矩阵的选择正确与否关系到模型的最终估计结果。本文在空间滞后模型框架下,把空间权重矩阵选择问题转化为变量选择问题,然后利用CWB方法进行变量选择。中国城市服务业集聚机理实证研究显示,利用本文所提出的方法所选取的空间权重矩阵较为合理,进而可以减少因为空间权重矩阵误设问题而引起的模型估计偏误。在大样本情形下,该方法可以非常有效地降低计算成本。     

基于MTV模型的中国房价与股价动态关系研究

股市与房市之间的互动关系一直是争论的焦点.基于MTV模型对2003-2007 年间的中国住房价格与股票价格间的互动关系进行了定量分析.结果表明:中国房地产市场与股票市场之间存在较高的正相关性,并且两者都具有很强的政策导向性,即随着利息、货币供应量等经济杠杆的作用,房价和股价都会产生相应变动.政府对房地产市场与资本市场的调控效率相对较高,这些都与中国的现实情况相吻合.     

基准房价与标定房价的若干问题探讨

当前,政府部门、业界人士和学者都试图通过建立一种科学化的房价披露体系,以期能更准确地反映地区房地产价格的波动态势,以此作为投资抉择、消费抉择和调控地区的房地产价格的依据。然而,目前许多城市房地产中介机构、房地产科研机构等所公布的房价指数和政府公布的房屋指导价格都是以房屋成交价作为依据的,因而都不能及时准确地反映房价的波动。笔者建议,应该在综合考虑房屋开发成本、房屋地段、房屋基础配套设施、房屋服务人群和房屋建筑档次等因素的基础之上,构建类似于城市基准地价和标定地价的基准房价和标定房价两种房地产价格信息体系。     

房价波动与金融支持的关联效应研究

文章通过构建消费者-开发商两部门的房地产市场均衡模型,分析金融支持与房价的相互作用机制。利用1999~2009年中国35个大中城市的面板数据,对提出的命题进行了实证检验。实证结果显示:(1)金融支持对房价具有显著的正向影响,表明金融对住房的支持是导致房价大幅波动的重要因素;(2)房价波动同样对金融支持具有显著的正向影响,表明房价的上涨将导致金融对房地产的支持力度提升。(3)金融支持对房价的影响存在显著的区域性差异,但房价对金融支持的影响则不存在显著的区域性差异。     

京津冀区域经济空间差异研究

文章针对空间权重矩阵的传统设定方式,指出了其存在的一些不足.提出了改进的空间权重矩阵设定方法:(1)利用夜间灯光数据提取城市聚集点位置;(2)对不同类型的道路设定不同的速度,得到基于时间距离的网络数据集;(3)以负指数时间距离作为空间权重矩阵中的元素.接着以京津冀区域经济空间差异为例进行了探索性空间数据分析,发现改进的空间权重矩阵相比于传统方式更加合理和准确;京津冀区域经济存在着显著的空间自相关,且2000-2010年间自相关程度在增大,“高-高”区域由北京周边向沿海区域转移,“低-低”区域由河北省的西北部向中部和东南部转移.     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.     

社会经济不平等及其测度

对社会中普遍存在的不平等现象 ,人们很早就给予了关注和研究 ,并提出了可行的测度不平等程度的方法和指标。然而我们注意到 ,这些传统的研究成果所体现的不平等 ,主要集中在社会的“收入不平等”上 ,实质上也就是经济不平等的即时反映。但生活毕竟不只是生存问题 ,社会中的不平等远不仅是人们收入多少的差异 ,还有很多无法用货币或数值来表现的不平等 ,而这些往往是人们生活质量更深层次、更真实的反映。“社会经济不平等”概念的提出 ,跳出了“收入不平等”这个狭隘的思维体系 ,也为全面研究社会中诸多不平等现象奠定了新的基石。虽然这一…     

Neural networks and flexible regression and discrimination

Feed-forward neural networks—also known as multi-layer perceptrons—are now widely used for regression and classification. In parallel but slightly earlier, a family of methods for flexible regression and discrimination were developed in multivariate statistics, and tree-induction methods have been developed in both machine learning and statistics. We expound and compare these approaches in the context of a number of examples.     

Trimmed and Outer Means and Their Variances

Some properties of trimmed and outer means for the normal situation are considered; in particular, the mean of the outer half of the sample has the same variance as the mean of the inner half. An inequality involving variances of unbiased estimators of location and their complements is derived and some of its consequences are examined.