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。     

个体协整条件下面板单位根检验统计量性质研究

 本文通过蒙特卡洛模拟试验,研究了个体间的协整关系对面板单位根检验统计量分布、实际检验水平及检验功效的影响。结果显示：个体间协整关系个数和协整向量均对检验统计量分布产生影响;同时,如果忽视个体间存在的协整关系,继续运用个体间无协整关系条件下检验统计量的临界值进行面板单位根检验,各检验统计量实际检验水平将严重失真。     

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。     

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。     

双因素效应的动态二值logit模型的参数估计及应用

文章考虑了带有个体效应和时间效应的双因素面板数据动态二值logit模型，在周期T固定的条件下，提出了一种新的方法估计模型参数。从理论层面指出了该估计量满足一致性和渐近正态性；数值模拟研究了估计量的小样本性质，模拟结果表明，该估计方法在有限样本下具有良好的统计性质。最后，将该方法应用于洗涤剂的购买数据进行实证分析。     

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。     

面板数据单位根似然比检验研究

本文采用似然比类检验统计量进行面板单位根检验（简称为LR检验）研究,在局部备择假设成立的条件下,推导了其在无确定项、仅含截距项以及存在线性时间趋势项三种模型下所对应的渐近分布与局部渐近势函数。Monte Carlo模拟结果显示,当面板数据中含确定项（截距项或时间趋势项）时,LR检验水平比LLC和IPS检验水平更接近于给定的显著性检验水平;此外,当面板数据中包含发散个体时,经水平修正后的LR检验势要远远高于经水平修正后的LLC与IPS检验势,其中,经水平修正后的LLC与IPS检验势接近于零。     

面板数据模型中随机效应存在性检验的理论研究及其实证分析

 由于能体现异质性等一系列优良性质,面板数据模型正被广泛应用到经济学各个领域中。然而,在反映异质性的个体效应和时间效应的设定上,经常存在人为的主观性和随意性,因此容易导致错误指定事件的发生。本文提出了一个稳健的方法分别检验面板数据模型中随机个体效应和随机时间效应的存在性。具体而言,通过对残差进行正交化变换消去可能存在的时间效应,并建立人工自回归模型,然后基于该模型自回归系数的最小二乘估计构造检验统计量检验个体效应。构造的检验是单边的,零假设下渐近服从标准正态分布。在检验时间效应时,可类似得到统计量及其渐近性质。功效研究表明这些检验敏感性较强,能检测到以参数速度（最快的速度）收敛到零假设的备择假设。通过模拟试验研究了检验统计量的小样本性质,并进行了实际数据分析。     

动态面板模型参数估计方法的比较研究

本文借助于蒙特卡洛模拟方法,在综合比较了主流动态面板模型参数估计方法优劣的同时,分析了动态面板模型参数估计有效性检验统计量的检验功效.结论表明:广泛应用的差分和系统GMM的参数估计方法,在小样本情况下,存在明显的参数估计偏差,相应的参数检验功效也存在扭曲,固定效应方差比越大这一偏差越明显,偏差修正和极大似然的动态面板模型参数估计方法参数估计的有效性越高.当动态面板模型的被解释变量为截断变量时,差分和系统GMM的参数估计偏差更为明显,而转换的Tobit模型则能够提供稳健的参数估计.固定效应方差比越大,弱工具变量检验的LM和CLR功效越稳健.本文最后将不同的动态面板模型估计方法,应用于劳动力迁移引致的区域工资差距问题的研究,进一步验证了蒙特卡洛模拟研究结论的稳健性.     

近单整时间序列Scheffe预测模型的内生性及其修正

对于包含近单整时间序列的预测模型,在进行Scheffe检验时由于内生性问题的影响,导致参数统计量的检验水平过于保守,由此也相应降低了检验功效。通过加入解释变量的超前项与滞后项差分项的动态方法进行修正,并对修正前后的统计量有限样本性质进行仿真比较,结果显示这一修正方法可以有效降低内生性问题对Scheffe检验结果的影响。在小样本条件下,经过修正的Scheffe检验不仅提高了统计量的检验功效,同时明显减少了检验水平的扭曲现象。     

Testing for Serial Correlation in Fixed-Effects Panel Data Models

In this article, we propose various tests for serial correlation in fixed-effects panel data regression models with a small number of time periods. First, a simplified version of the test suggested by Wooldridge (2002) and Drukker (2003) is considered. The second test is based on the Lagrange Multiplier (LM) statistic suggested by Baltagi and Li (1995), and the third test is a modification of the classical Durbin–Watson statistic. Under the null hypothesis of no serial correlation, all tests possess a standard normal limiting distribution as N tends to infinity and T is fixed. Analyzing the local power of the tests, we find that the LM statistic has superior power properties. Furthermore, a generalization to test for autocorrelation up to some given lag order and a test statistic that is robust against time dependent heteroskedasticity are proposed.     

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。     

Panel data unit roots tests: The role of serial correlation and the time dimension

We investigate the influence of residual serial correlation and of the time dimension on statistical inference for a unit root in dynamic longitudinal data, known as panel data in econometrics. To this end, we introduce two test statistics based on method of moments estimators. The first is based on the generalized method of moments estimators, while the second is based on the instrumental variables estimator. Analytical results for the Instrumental Variables (IV) based test in a simplified setting show that (i) large time dimension panel unit root tests will suffer from serious size distortions in finite samples, even for samples that would normally be considered large in practice, and (ii) negative serial correlation in the error terms of the panel reduces the power of the unit root tests, possibly up to a point where the test becomes biased. However, near the unit root the test is shown to have power against a wide range of alternatives. These findings are confirmed in a more general set-up through a series of Monte Carlo experiments.     

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。     

我国房地产价格区域互动的实证研究

本文采用广义空间动态面板数据模型（GSDPD）和2002第一季度至2010年第三季度省际面板数据分析了我国房地产价格的区域互动。实证结果表明,我国房地产价格互动存在空间滞后效应和时间滞后效应,且城镇居民可支配收入、信贷扩张、土地价格和房屋竣工面积是影响我国房价的重要因素。实证结果还表明,相邻地区之间房价的影响程度比其它不相邻地区之间房价的影响程度大,经济特征相似地区间房价的相互影响程度比经济特征不相似地区间房价的相互影响程度小。     

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。     

Tests for random time effects and spatial error correlation in panel regression models

We consider a panel model with spatial autocorrelation and heterogeneity across time. Various Lagrange multiplier and likelihood ratio test statistics are developed for testing time effects and spatial effects, jointly, marginally or conditionally. Limiting null distributions of the tests are derived. Size and power performances of the proposed tests are compared by a Monte-Carlo experiment.     

非线性Granger因果检验方法的检验功效及有限样本性质的模拟分析

为了克服传统Granger因果检验方法因忽略经济变量的非线性特征而导致结论出现显著偏差的局限性,非线性Granger因果检验方法在近年来正逐步成为经济学研究领域的重要分析工具。然而,迄今为止,学术界仍较少对非线性Granger因果检验方法在不同非线性模型中的有限样本性质展开系统性的比较与分析,因此,本文通过数据生成过程（DGP）,结合Monte Carlo模拟对Diks和Panchenko（2006）等主流的非线性Granger因果检验方法的检验功效、过度拒绝等问题展开比较研究,并对共同滞后阶数、带宽参数的不同设置可能引发结论敏感性变化进行深入分析,在此基础上我们从动态非线性滚动分析的角度对其有限样本性质展开进一步的讨论,并提出对未来非线性应用研究具有实际指导价值的若干建议。     

Local power of panel unit root tests allowing for structural breaks

The asymptotic local power of least squares–based fixed-T panel unit root tests allowing for a structural break in their individual effects and/or incidental trends of the AR(1) panel data model is studied. Limiting distributions of these tests are derived under a sequence of local alternatives, and analytic expressions show how their means and variances are functions of the break date and the time dimension of the panel. The considered tests have nontrivial local power in a N^?1/2 neighborhood of unity when the panel data model includes individual intercepts. For panel data models with incidental trends, the power of the tests becomes trivial in this neighborhood. However, this problem does not always appear if the tests allow for serial correlation in the error term and completely vanishes in the presence of cross-section correlation. These results show that fixed-T tests have very different theoretical properties than their large-T counterparts. Monte Carlo experiments demonstrate the usefulness of the asymptotic theory in small samples.     

Combining p-Values in Non-Stationary Panels

This article summarizes and discusses the existing p-value pooling approaches and compares their performances in the context of panel unit root tests. When the data are free of contemporaneous correlation, most tests achieve very high power. However, in the presence of contemporaneous correlation, most tests suffer from moderate to severe size distortions. When the panel contains both stationary and nonstationary series, the power of tests increases as the cross-sectional units grows. Among all the tests under study, the mean-of-Z test yields the highest power for the benchmark model, while the Fisher test is most robust for complicated model structures.