空间误差分量模型的Bootstrap LM检验

空间误差分量模型(Spatial Error Components,SEC)传统的空间相关性LM检验存在严重的水平扭曲和较低的检验功效,导致检验统计量失效.文章将Bootstrap方法应用于SEC模型的空间相关性LM检验,提高检验统计量的有效性.Monte Carlo模拟实验表明,Bootstrap LM检验的水平受误差项分布、空间权重矩阵和样本量影响较小,并且远优于渐近LM检验,具有理想的检验水平;渐近LM检验和Bootstrap LM检验的功效均随着空间相关性的增强,及样本量的增大而增大,但Bootstrap LM检验在各种情形下均具有更高的检验功效,尤其是样本量较小时.简言之,Bootstrap LM检验是SEC模型更为优越的空间相关性检验方法.     

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。     

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。     

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。     

分位数单位根检验的有限样本绩效及其应用

利用蒙特卡洛模拟方法,在不同的数据产生过程下比较了分位数单位根检验与传统的ADF和PP单位根检验的绩效。研究发现:当误差项服从正态分布时,传统单位根检验与分位数单位根检验的检验功效相差不大,前者甚至略优于后者;但当误差项服从t分布时,分位数单位根要优于传统的单位根检验。在此基础上,采用中国商品价格指数(增长率)数据,给出分位数单位根检验的实例应用,实证结果显示中国商品价格指数具有非对称的惯性特征。     

基于贝叶斯偏态线性混合模型的费率厘定

线性混合模型是非寿险费率厘定的主要方法之一。通常的线性混合模型假设随机误差项服从正态分布,而保险损失数据往往具有右偏特征,这使得该模型在非寿险费率厘定中的应用受到一定影响。在通常的线性混合模型基础上,假设随机误差项服从偏态分布,即可建立偏态线性混合模型,从而改善费率厘定结果的合理性。基于一组实际的保险损失数据,应用贝叶斯MCMC方法建立几个不同的偏态线性混合模型,并与正态分布假设下的线性混合模型进行对比,实证检验偏态线性混合模型在非寿险费率厘定中的优越性。     

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。     

基于R软件的正态性检验的功效比较

正态分布是统计学中极其重要的分布,是很多统计方法的基础。检验样本数据是否来自正态分布有非常重要的意义。文章首先介绍了9种检验的方法及其在R的实现;然后利用Monte Carlo随机模拟的方法,模拟常见的26种非正态分布,比较了9种检验在显著性水平为0.05,0.1样本容量为20、100的功效。对于实际正态性检验,建议使用Shapiro、SF、Dago及Pearson检验方法,应该避免仅根据一种检验方法便轻易的作出决策。     

动态广义最小二乘法在面板协整中的应用研究

在进行非平稳面板数据的协整分析时,使用动态最小二乘法（DOLS）可以有效消除内生性问题,从而得到具有渐进正态分布的统计量。但在小样本条件下,由于可使用解释变量差分项的阶数有限,导致模型中均衡误差项的序列相关,使得DOLS统计量出现严重的检验水平畸变。为此,本文将单一时间序列的动态广义最小二乘法（DGLS）应用于非平稳的同质面板数据模型。在序贯极限分布的条件下,DGLS统计量仍具有正态的条件极限分布。而仿真实验表明,对于非平稳的同质面板数据模型,即使在均衡误差项存在高序列相关的条件下,DGLS统计量仍具有较好的小样本性质。     

非正态扰动模型的渐近估计

计量经济模型是在随机项正态分布假定条件下进行估计和检验的,但实际上随机项不一定服从正态分布。人们在实际应用时往往忽略这一点,有时这种忽略的后果是严重的。我们从以下几个方面进行说明。一、非正态扰动模型及其假设条件对于多元线性回归模型Y=Xβ U的随机误差项有五个基     

Estimation and Prediction in the Presence of Spatial Confounding for Spatial Linear Models

In studies that produce data with spatial structure, it is common that covariates of interest vary spatially in addition to the error. Because of this, the error and covariate are often correlated. When this occurs, it is difficult to distinguish the covariate effect from residual spatial variation. In an i.i.d. normal error setting, it is well known that this type of correlation produces biased coefficient estimates, but predictions remain unbiased. In a spatial setting, recent studies have shown that coefficient estimates remain biased, but spatial prediction has not been addressed. The purpose of this paper is to provide a more detailed study of coefficient estimation from spatial models when covariate and error are correlated and then begin a formal study regarding spatial prediction. This is carried out by investigating properties of the generalized least squares estimator and the best linear unbiased predictor when a spatial random effect and a covariate are jointly modelled. Under this setup, we demonstrate that the mean squared prediction error is possibly reduced when covariate and error are correlated.     

空间回归模型估计中的最小二乘法

空间回归模型由于引入了空间地理信息而使得其参数估计变得复杂,因为主要采用最大似然法,致使一般人认为在空间回归模型参数估计中不存在最小二乘法。通过分析空间回归模型的参数估计技术,研究发现,最小二乘法和最大似然法分别用于估计空间回归模型的不同的参数,只有将两者结合起来才能快速有效地完成全部的参数估计。数理论证结果表明,空间回归模型参数最小二乘估计量是最佳线性无偏估计量。空间回归模型的回归参数可以在估计量为正态性的条件下而实施显著性检验,而空间效应参数则不可以用此方法进行检验。     

Best Spatial Two-Stage Least Squares Estimators for a Spatial Autoregressive Model with Autoregressive Disturbances

Estimation of a cross-sectional spatial model containing both a spatial lag of the dependent variable and spatially autoregressive disturbances are considered. [Kelejian and Prucha (1998)]described a generalized two-stage least squares procedure for estimating such a spatial model. Their estimator is, however, not asymptotically optimal. We propose best spatial 2SLS estimators that are asymptotically optimal instrumental variable (IV) estimators. An associated goodness-of-fit (or over identification) test is available. We suggest computationally simple and tractable numerical procedures for constructing the optimal instruments.     

空间自回归模型的局部影响分析和运用

由于空间数据的相依特性，使得通常的删除点诊断异常值的方法不适合采用。为了寻找数据中的异常点和影响点，采用局部影响分析技术，通过引入扰动的方法来发现影响点，最后通过实例说明局部影响分析技术能够有效地发现模型中可能的影响点，并且能够揭示更多的细节信息。     

动态面板空间随机前沿模型的参数估计及应用

生产效率一般会受到空间相关性和时间滞后效应的影响,不易准确测算。本文考虑时空双重滞后特征,提出一种动态面板数据空间随机前沿模型,针对模型的内生性问题,借鉴已有的估计方法,本文提出一种广义矩估计方法（Generalized Method of Moments,GMM）,并证明了参数估计的一致性。在应用分析中,利用本文所提出的理论模型实证分析了我国战略性新兴产业发展的效率,该理论模型能够客观、科学地测算技术效率,实证结论验证了理论模型的应用效果。     

Robust Test for Spatial Error Model: Considering Changes of Spatial Layouts and Distribution Misspecification

This article suggests a robust LM (Lagrange Multiplier) test for spatial error model which not only reduces the influence of spatial lag dependence immensely, but also presents robust changes of spatial layouts and distribution misspecification. Monte Carlo simulation results imply that existing LM tests have serious size and power distortion with the presence of spatial lag dependence, group interaction or nonnormal distribution, but the robust LM test of this article shows well performance.     

公共卫生投资的空间计量经济分析

运用空间计量经济学方法研究了1997-2004年30个省的政府卫生投资的空间特征，结果显示：政府卫生投资具有空间溢出作用，这种作用在逐年增强；政府卫生投资在空间上存在着显著的互补效应，说明地方政府之间有“邻里模仿”行动；政府卫生支出不是“奢侈品”。     

Testing for Spatial Isotropy Under General Designs

Spatial modeling is typically composed of a specification of a mean function and a model for the correlation structure. A common assumption on the spatial correlation is that it is isotropic. This means that the correlation between any two observations depends only on the distance between those sites and not on their relative orientation. The assumption of isotropy is often made due to a simpler interpretation of correlation behavior and to an easier estimation problem under an assumed isotropy. The assumption of isotropy, however, can have serious deleterious effects when not appropriate. In this paper we formulate a test of isotropy for spatial observations located according to a general class of stochastic designs. Distribution theory of our test statistic is derived and we carry out extensive simulations which verify the efficacy of our approach. We apply our methodology to a data set on longleaf pine trees from an oldgrowth forest in the southern United States.     

空间外溢视角下的协同创新与区域产业升级

本文从空间维度廓清了协同创新对区域产业升级的空间外溢机制和外溢效应边界形成机理。采用中国分省区面板数据,利用地理距离和社会经济特征多种空间权重矩阵设定的空间杜宾(Durbin)模型实证检验了协同创新对产业升级的影响。结果表明：协同创新对产业升级既有区域内溢出效应,也有区域间溢出效应。空间外溢效应在很大程度上通过创新要素区际流动来实现,且呈现出地理距离衰减特征。进一步考虑地理区位特征差异发现：空间外溢对产业升级的带动效应在中部地区最强,西部地区次之,东部地区最弱。本研究结果有助于全面认识协同创新作用机制,对推动区域间良性互动,实现产业升级发展具有重要现实意义。     

中国企业对外直接投资速度空间关联性研究

在微观上探明企业对外直接投资速度的空间特征是理解我国对外直接投资快速增长的重要因素，本文通过匹配《中国工业企业数据库》和《境外投资企业（机构）名录》构建企业对外直接投资速度及其空间关联变量指标进行微观实证研究。研究发现：①企业对外直接投资速度不仅存在直接正向空间关联性，而且存在通过抵消企业低管理效率不利影响的间接正向空间关联性；②企业对外直接投资速度的空间关联性仅存在于邻省之间，并不存在于非邻省之间；③企业对外直接投资速度的邻省空间关联性存在异质性，对发达国家进行投资的企业并不存在这种关联性。研究结果意味着在制定对外直接投资促进政策时应充分考虑空间协调性，发挥空间关联的积极作用。