空间经济计量滞后模型Bootstrap Moran检验功效的模拟分析

 当误差项不服从独立同分布时,利用Moran’s I统计量的渐近检验,无法有效判断空间经济计量滞后模型2SLS估计残差间存在空间关系与否。本文采用两种基于残差的Bootstrap方法,诊断空间经济计量滞后模型残差中的空间相关关系。大量Monte Carlo模拟结果显示,从功效角度看,无论误差项服从独立同分布与否,与渐近检验相比,Bootstrap Moran检验都具有更好的有限样本性质,能够更有效地进行空间相关性检验。尤其是,在样本量较小和空间衔接密度较高情况下,Bootstrap Moran检验的功效显著大于渐近检验。     

线性回归模型Bootstrap LM-Lag检验有效性研究

基于OLS估计残差,将Bootstrap方法用于空间滞后相关LM-Lag检验。在不同的误差结构和空间权重矩阵条件下,比较Bootstrap LM-Lag检验和渐近检验的水平扭曲和功效。通过Monte Carlo实验表明,当误差项不服从经典正态分布假设时,LM-Lag渐近检验存在严重的水平扭曲,Bootstrap检验能够有效地校正水平扭曲,并且Bootstrap LM-Lag检验的功效与渐近检验近似;无论误差项是否服从正态分布,从水平扭曲和功效角度看,线性回归模型Bootstrap LM-Lag检验有效。     

半参数变系数回归模型的空间相关性检验

对半参数变系数回归模型,构造了新的空间相关性检验统计量,利用三阶矩 逼近方法导出了其检验 值的近似计算公式,蒙特卡罗模拟结果表明该统计量在检测空间相关性方面具有较高的准确性和可靠性。同时考察了误差项服从不同分布时的检验功效,体现出该检验方法的稳健性。进一步,我们还给出了检验统计量的Bootstrap方法以及检验水平的模拟效果。     

图解Bootstrap方法用于空间相关性Moran检验的有效性

因为区域间经济收敛、外商直接投资和知识溢出等领域的空间经济计量研究依赖于空间关系的存在,所以进行空间相关性Moran’s I检验是关键。然而,已有空间相关性Moran’s I检验理论受到众多假设条件限制。利用＂名义水平—实际水平＂图和＂名义水平—功效＂图,解析非对称Wild Bootstrap方法用于空间相关性Moran’s I检验的有限样本性质,发现即使模型不满足经典的分布假设条件,与渐近检验相比,Bootstrap方法也能够有效地检验研究对象间的空间相关性。     

基于辅助回归模型的空间Hausman检验

 基于面板数据空间误差分量模型,提出空间Hausman检验,并通过数理推导,构造辅助回归模型的空间Hausman检验,进而通过Monte Carlo模拟实验,研究空间Hausman检验,以及辅助回归空间Hausman检验的有限样本性质。研究结果表明,空间Hausman检验能有效矫正空间面板数据下经典Hausman检验的水平扭曲,但随着空间相关性和样本量增大,其水平扭曲偏离理想值;辅助回归空间Hausman检验始终保持理想的水平扭曲。此外,二者均具有优越的检验功效。     

空间面板杜宾模型的Bootstrap Wald-COMFAC检验研究

将共同因子约束(COMFAC)的Wald检验问题引入到空间面板模型中,讨论空间面板杜宾模型与空间面板误差模型的识别问题。蒙特卡洛模拟表明:在有限样本下,基于渐近临界值的Wald检验有着良好的检验功效,但存在着较为严重的尺度扭曲。进一步采用残差Bootstrap方法,在不损失检验功效的前提下,能够显著地降低检验的尺度扭曲。因此,残差Bootstrap方法是更为有效的检验方法。     

基于蒙特卡罗模拟的误差序列自相关检验研究

进行计量经济分析时一般都要检验模型是否存在自相关性,但目前常用的几种自相关检验方法都不同程度地存在一些问题,对此进行进一步的研究有重要意义。对于一阶自相关性检验,DW检验是最常用的方法,但其存在两个不确定区域。针对给定的解释变量,运用模拟方法,可以得到DW检验的临界值,从而克服了其存在不确定区域的缺陷。回归检验法则无可用的临界值,也可以用模拟方法计算其临界值,而且除检验功效很接近1的情形外,回归检验法的功效显著大于DW检验,可以替代DW检验。当样本量不是很大时,LM检验统计量的临界值与卡方分布的临界值差距较大,不能使用标准卡方临界值。在LM检验中,通常通过对最高阶滞后项系数进行t检验以确定自相关的阶数,但LM检验中最高阶滞后项系数的t统计量与标准t分布有较大差距,也不能用t分布临界值。     

固定效应模型基于个体LM的新可混合性检验

对固定效应模型,本文基于拉格朗日乘数（LM）原理提出了一种新的可混合性检验。不同于已有的LM型可混合性检验,这里使用每个截面个体的LM统计量构建可混合性检验统计量。数理分析表明,本文所提的方法有着渐进正态性,对于扰动项的异方差和非正态均稳健,且与PY检验（Pesaran&Yamagata,2008）渐近等价。Monte Carlo模拟实验表明,相对于PY检验及另外两种LM型的可混合性检验,对于不同大小的 ,本文提出的方法有着良好的水平表现和更优越的检验势。     

局部线性趋势模型单位根检验量分布与Bootstrap检验

本文引入局部趋势概念,研究数据生成和检验式都含有趋势单位根过程中伪t检验量的分布,结果表明该分布为标准正态分布与第四种DF分布的混合体,并揭示了向这两类分布转化的条件.为摆脱伪t检验量受到特定参数约束而不能用于实证分析的困境,本文提出了Bootstrap检验方法,并从理论上证明该方法可用于水平检验和功效研究,埃奇沃思展开进一步证实该方法能够降低水平扭曲.蒙特卡洛模拟结果显示,Bootstrap检验量具有最高检验正确率,检验功效在一定条件下也能与标准正态分布的检验结果相媲美,说明Bootstrap方法可以用于此类模型的单位根检验.     

谱检验的Wild Bootstrap方法

 本文考察了基于谱估计的拟合优度检验在判断时间序列鞅差性质方面的应用，提出了利用Wild Bootstrap来近似该类检验统计量渐近分布的方法，通过模拟试验揭示出新的方法改进了检验的水平并提高了其功效，最后比较了不同方法在分析实际金融数据时的不同效果。     

空间动态面板模型的时间滞后效应检验

空间面板数据模型由于考虑了经济变量间的空间相关性,其优势日益凸显,已成为计量经济学的热点研究领域。将空间相关性与动态模式同时扩展到面板模型中的空间动态面板模型,不仅考虑了经济变量之间的空间相关性,还考虑了时间上的滞后性,是空间面板模型的发展,增强了模型的解释力。考虑一种带固定个体效应、因变量的时间滞后项、因变量与随机误差项均存在空间自相关性的空间动态面板回归模型,提出了在个体数n和时间数T都很大,且T相对地大于n的条件下空间动态面板模型中时间滞后效应存在性的LM和LR检验方法,其检验方法包括联合检验、一维及二维的边际和条件检验;推导出这些检验在零假设下的极限分布;其极限分布均服从卡方分布。通过模拟试验研究检验统计量的小样本性质,结果显示其具有优良的统计性质。     

面板数据双因素误差回归模型序列相关和随机效应的联合LM检验

对面板数据双因素误差回归模型构造了检验序列相关和随机效应的一种联合LM检验,发现该LM统计量也是检验联合假设H0：σμ^2=λ=0的Baltagi-Li LM统计量和检验假设H0：σv^2=λ=0的Breusch-Pagan-LM统计量之和。当面板数据的个体数N充分大时,该联合LM统计量的渐近分布是χ^2（3）分布;无论双因素误差面板数据回归模型的剩余误差项是AR（1）过程还是MA（1）过程,联合LM检验是相同的,即对随机效应和一阶序列相关的联合LM检验是独立于序列相关的形式。     

多项分布内生回归元计数模型的两阶段估计方法研究

两阶段估计方法是解决计量模型变量内生性问题的重要方法,而现代社会科学领域的研究文献在选择两阶段估计方法时存在较多误区,缺乏比较系统的研究。基于多项分布内生回归元的计数模型,采用蒙特卡洛模拟比较2SLS、2SPS、2SRI三种两阶段估计方法的优劣,并从检验水平和功效角度评价Wald、LR、LM三种内生性检验方法的有效性,结果发现:当忽略模型非线性、内生性或错误设定计数数据分布时,2SLS和2SPS均会存在较大的估计偏差,但2SRI估计量具有良好的有限样本特征;基于2SRI的三种内生性检验方法,在计数数据分布设定正确时都有合理的实际检验水平和功效,但在忽略计数数据过度分散特征时,Wald和LR检验统计量会发生严重的水平扭曲,而LM检验则更有效。     

STAR模型中的递归退势单位根检验研究

在STAR模型框架下,考虑时间序列具有线性确定性趋势成分,本文建立了一个递归退势单位根检验统计量,推导了其渐近分布;并在考虑初始条件情形下,对递归退势、OLS和GLS退势单位根检验统计量的有限样本性质进行了细致的比较研究。若忽略初始条件的影响,GLS退势和递归退势单位根检验统计量的检验势都显著高于OLS退势。随着初始条件的增大,GLS退势单位根检验统计量的检验势下降得比较厉害,递归退势单位根检验统计量的检验势较为稳定,且在样本量较大情形下更具优势。     

ADF单位根检验中联合检验LM统计量研究

 本文研究了ADF单位根检验中参数联合约束的拉格朗日乘数检验。首先,本文构建了4个LM统计量并推导了它们的极限分布;然后,运用蒙特卡罗试验,模拟了有限样本容量常用检验水平下的临界值,拟合了临界值关于样本容量的响应面函数,并总结了LM统计量有限样本容量下的统计特性;比较分析了这4个LM统计量的检验功效及实际检验水平;最后,一个实例分析简要说明了这几个统计量在单位根检验中的应用。     

ADF模式中漂移项和趋势项检验量分布与Bootstrap检验研究

在推导ADF检验模式下趋势项和漂移项伪t检验量极限分布基础上,提出修正的系数检验量。研究表明,它们与DF检验模式下检验量具有相同的极限分布;构造漂移项和趋势项检验的Bootstrap实现方法并证明了有效性。将蒙特卡洛模拟技术与临界值检验方法进行对比,结果表明Bootstrap方法能够明显降低检验的水平扭曲,在检验功效方面也有一定优势。模拟也显示临界值检验的局限性和Bootstrap方法的稳健性。     

面板数据模型的截面相关检验研究

 相关系数的绝对值形式可以很好的避免Pesaran（2004）的CD统计量中异向相关性相互抵消的情况,相应得到一个新的检验面板数据模型扰动项截面相关的统计量。蒙特卡洛模拟显示,无论是在因子模型下还是在空间移动平均模型下,新提出的统计量水平扭曲(size distortion)检验和功效(power)检验表现较好。通过模拟还发现当存在序列相关的扰动项时,先将扰动项进行去序列相关处理可以有效地避免序列相关导致的水平扭曲,并且不会降低统计量的功效。     

协整参数的自举推断

 针对完全修正最小二乘(full-modified ordinary least square,简称FMOLS）估计方法,给出一种协整参数的自举推断程序,证明零假设下自举统计量与检验统计量具有相同的渐近分布。关于检验功效的研究表明,虽然有约束自举的实际检验水平表现良好,但如果零假设不成立,自举统计量的分布是不确定的,因而其经验分布不能作为检验统计量精确分布的有效估计。实际应用中建议使用无约束自举,因为无论观测数据是否满足零假设,其自举统计量与零假设下检验统计量都具有相同的渐近分布。最后,利用蒙特卡洛模拟对自举推断和渐近推断的有限样本表现进行比较研究。     

抽样调查中估计量的Bootstrap修正及样本量的确定

估计量的精度和样本量的确定是抽样设计中所关心的两个主要问题.在一定条件下,对于简单随机抽样,通过对初级样本的Bootstrap抽样可以提高均值估计量的精度.中心极限定理一直是抽样调查中确定样本量的主要理论依据,基本思想就是将标准正态分布作为给定统计量的近似分布.如果利用Bootstrap方法模拟近似分布,同样可以确定样本量.文章结合具体例子对两种方法确定的样本量进行了对比分析.     

基于潜变量模型的多元有序数据轮廓分析法

提出了一种适用于多元有序数据的轮廓分析方法。鉴于有序数据无法满足轮廓分析对数据正态性的要求,采用潜变量模型对有序变量进行赋值,利用Bootstrap方法重构样本,使重构后的新数据满足正态性且总体均值与原样本一致,因而可以将轮廓分析法应用于有序数据均值向量的比较问题。讨论了单样本情形的同水平假设、两样本和多样本情形的平行、同水平和平坦性假设,并给出相应的检验统计量和拒绝域。最后,通过随机模拟来检验该方法的合理性,并得到结论:样本质量较高时,该方法在控制第一类错误和提高检验的功效上效果很好;对于一般样本而言,该方法的实际第一类错误较名义值有所增大,可通过提高原始样本量、降低名义第一类错误和进行多次试验来解决。