空间分层数据无条件模型的改进及其估计

抽样调查中得到的数据经常既包含个体信息又包含地理单元信息,形成以地区集聚的分层数据.空间分层数据中地理单元间往往具有空间依赖性,区别于传统的分层数据.分析空间分层数据时需要首先建立无条件模型用作初步分析.因此,在传统分层无条件模型中引入完全空间自回归模型来表达空间相关性,建立空间分层数据的无条件模型,并研究其估计方法,借助参数估计值可做模型选择.     

外商直接投资与中国雾霾污染

本文利用1998-2012年中国30个省份的空间面板数据,采用Moran‘s I和Gear's C指数对FDI与雾霾(PM2.5)污染进行了探索性空间数据分析,并基于EKC假说构建了空间面板数据模型,将经济地理嵌套权重矩阵、经济地理权重矩阵纳入静态和动态空间面板模型进行分析.实证结果发现:①相对于静态空间面板模型,动态空间计量模型能更为准确地拟合FDI对我国雾霾(PM2.5)浓度的影响过程,雾霾(PM2.5)污染表现出显著的“叠加效应”和“溢出效应”.②在经济地理嵌套权重矩阵和经济地理权重矩阵下,FDI流量每升高1％,PM25浓度分别升高0.0174％和0.0161％.FDI存量每升高1％,PM2.5浓度分别升高0.0177％和0.0163％,表明FDI是导致雾霾(PM25)浓度升高的影响因素之一,说明了我国目前吸引和利用FDI离环保目标的最优水平还有一定距离.     

空间随机截距模型及其参数估计

空间分层数据因为地理位置的原因，层与层之间会具有空间依赖性，区别于传统的分层数据。首先，文章将空间自相关的思想引入到随机截距模型中，在层-2模型中加入空间参数来反映空间自相关性，构建了空间随机截距模型；然后，针对空间随机截距模型，给出了基于EM算法和Fisher得分的最大似然估计。     

贝叶斯时空分位回归模型及其对北京市PM2.5浓度的研究

本文基于时空模型和非对称拉普拉斯分布提出一种新的时空分位回归模型.本文主要将空间域利用薄板回归样条展开,结合混合模型与样条之间的关系,得到分层贝叶斯分位回归模型.利用MCMC算法得到参数的后验分布,并对模型中系数的空间域进行预测.本文同时融合降秩近似的方法,简化了计算复杂度.区别于已有时空分位模型,本文考虑了协变量对因变量影响的空间分布特征,并非直接对时间或空间效应整体进行建模,有利于深入研究协变量与因变量之间的空间结构关系.数值模拟结果表明,预测的空间域与真实的空间域十分接近,并在不同分位水平下,有效地估计了协变量影响的空间效应差异.最后将该模型应用于北京市PM2.5浓度的研究,分析气象因素对PM2.5浓度影响的空间分布特征.     

基于EM算法的改进MLM模型及参数估计

传统的分层模型假设组与组之间独立,没有考虑组之间的相关性。而以地理单元分组的数据往往具有空间依赖性,个体不仅受本地区的影响,也可能受相邻地区的影响。此时,传统分层模型层-2残差分布的假设不再成立。为了处理空间分层数据,将空间统计和空间计量经济模型的思想引入到分层模型中,既纳入分层的思想,又顾及空间相关性,提出了空间分层线性模型,并给出了其固定效应、方差协方差成分和空间回归参数的最大似然估计,在运用EM算法时,结合运用了Fisher得分算法。     

中部六省地级市区金融发展与经济增长的空间面板分析

面板数据模型从基本形式拓展到空间面板数据模型,体现了时空特征整合的经济计量建模发展方向.从数据生成过程的时空依赖特征来看,结合传统的统计模型、空间统计模型与空间面板数据模型能够挖掘更加全面的数据信息,揭示经济金融活动的空间自相关性与空间集群性.基于地级市区数据的空间统计与计量经济分析结果表明:中部六省的金融发展与经济增长的空间依赖关系是统计显著的,并为深入进行整合时空特征的区域金融与经济增长关系的统计与计量建模分析提供了有利的证据支持.     

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。     

面板数据插值的线性组合模型及其实证

针对面板数据插值问题,分别从截面数据和时间序列数据的角度,建立截面数据插值的克立格(Kriging)模型和时间序列数据插值的遗传神经网络(GABP)模型.在此基础上建立面板数据插值的线性组合模型,提出空间漂移度法确定组合插值模型的加权系数.对2007年福建部分市县人均GDP的插值的实证研究结果表明:面板数据的线性组合模型插值效果优于单项模型插值的效果.     

空间面板数据模型设定问题分析

空间面板数据模型将空间计量经济学和面板数据方法相结合,不仅同时考虑时空特征,而且将空间效应纳入研究体系,成为当前计量经济学的热点研究领域,但其模型设定、参数估计及模型检验也更为复杂,实证研究中往往出现模型设定偏误等问题。因此,基于空间面板数据模型的前沿理论,重点探讨模型设定中的常见问题,包括空间滞后模型与空间误差模型的选择、随机效应与固定效应的选择以及模型拟合优度的选择与比较,为模型的应用和新模型的扩展提供理论依据和参考。     

基于Copula函数的空间统计模型估计与应用

在空间数据分析中,由于空间预测在很大程度上依赖于对空间变化的现象分布的假设,因此建立空间数据分布模型是非常重要的问题.Stein(1999)指出,传统的方法利用变差函数描述插值的空间依赖性结构和基于似然方法的模型相比是相当不精确的.对于非正态分布的空间数据而言,Copula函数提供了一种可以分别指定相关结构和边缘分布而建立联合分布的可能性.文章基于Copula函数的非正态分布数据的空间插值方法,讨论模型参数的极大似然估计并运用生态环境数据进行实证研究.     

空气质量对生活满意度的效应研究——基于序数分层空间自回归Probit模型

在居民生活满意度的相关研究中,除考虑人口学特征外,越来越多的实证同时考虑了微观个体所处的宏观环境,对这类呈嵌套结构的分层数据需构建分层统计模型,但传统的分层统计模型未考虑真实的空间依赖。本文将分层统计模型和空间自回归模型相结合,创新性地构建了四种序数分层空间自回归Probit模型,该类模型能够合理地对因变量为序数且存在空间依赖情况并呈分层结构的数据进行建模,模型可避免忽略真实的空间依赖对模型估计的不利影响,且能够对高层组间的空间效应和低层个体间的空间效应区别对待,更有利于模型的解释。最后,空气质量对居民生活满意度的效应实证研究表明:空气质量确实能够对生活满意度产生影响,居民对空气质量的认识和要求并非孤立地局限于本地,而是对一个区域空气质量的空间综合结果。对比2018年和2016年模型结果可知:空气质量的福利效应无法被其他民生福祉因素所取代,并且随着空气质量相关统计信息的高度开放和广泛传播,居民更加重视空气质量,也形成了更加全局的了解。     

我国林业产业集聚的空间计量分析

文章以我国29个省份2005-2014年省城空间面板数据为分析样本,分别运用固定效应、随机效应的空间滞后模型与空间误差模型对林业产业集聚现象及其成因进行了空间计量分析.结果表明:我国林业产业集聚存在显著的空间依赖性与空间相关性,林业产业空间集聚度与资源禀赋、已有规模水平正相关,与经济发展水平、劳动力成本负相关,区域创新在产业空间集聚中的作用尚未得到全面体现.     

外部性、空间效应与空间工资结构——基于中国城市空间面板数据的分析

将影响城市工资结构的可观测和不可观测变量同时引入工资方程,推导出空间杜宾模型,进而以空间杜宾模型为空间计量模型选择的起点,探索符合数据生产过程的最佳空间计量模型,并将空间外部性划分为直接效应和间接效应。实证结果表明,城市空间相互作用对中国城市空间工资结构影响显著。市场潜能对本区域工资水平的自我强化效应突出,并且对邻近区域具有显著的空间溢出效应,但自我强化效应明显大于空间溢出效应。基于技术邻近的专业化经济对区域内和邻近区域工资水平具有显著的自我强化效应和空间溢出效应,均支持了MAR外部性;相对于直接效应,专业化经济的空间溢出效应更突出。     

江苏省城镇居民收入差异对消费结构的影响

一、panel-data模型 panel-data称为面板数据或平行数据,是把时间序列沿空间方向扩展,或把截面数据沿时间扩展构成的二维结构的数据集合,与单纯的时间序列和截面数据相比,面板数据既能反映各个个体的变化特征,也能反映每个个体沿时间变化的特征.panel-data模型也称面板数据模型,是在面板数据上建立的回归分析模型.panel-data模型的一般表达式为:     

空间统计方法在社会福利分析中的应用

在研究经济问题时,处理的数据大多是时间序列数据,对这类数据的分析采用的是时间序列分析方法,较少进行空间分析,建立的模型也是以时间序列为主。虽然这种以时间序列数据为对象进行分析、研究问题的方法能够反映一定的经济问题,但是往往会掩盖空间的差异。因为我们生活在由时间     

运用空间统计方法分析我国社会福利的有关问题

在研究经济问题时,处理的数据大多是时间序列数据,对这类数据的分析采用的是时间序列分析方法,较少进行空间分析,建立的模型也是以时间序列为主。虽然这种以时间序列数据为对象进行分析、研究问题的方法能够反映一定的经济问题,但是往往会掩盖空间的差异。比如一个问题从时间序     

基于结构张量空间模型的文本分类

在自然语言处理中,将非结构化的文本数据表示成结构化数据是文本处理工作的基础,文本表示的优劣对后期文本处理的效果有直接的影响。提出一种新的结构化文本表示模型——结构张量空间模型,该模型将文本按照其自身的层次含义进行分层表示,相比较于传统的文本表示模型,更充分地体现文本的结构信息。研究了基于结构张量空间模型的文本分类问题,实验结果表明,在小样本数据下,结合结构张量空间模型的分类器性能更好。     

基于卡尔曼滤波估计的连续性抽样调查研究

 针对连续性抽样调查中如何提高连续调查数据准确性的问题,本文引入时间序列分析方法,分别考虑连续性抽样调查中的重复样本和轮换样本等不同情况,建立了连续性抽样调查下的状态空间模型,利用成熟的卡尔曼滤波估计方法给出了总体均值的估计量。由于状态空间模型及卡尔曼滤波估计方法能够充分利用各期连续样本的调查信息,给出了精度更高的估计量,从而能够产生更加准确的连续性时间序列数据。     

我国城市环境库兹涅茨曲线的空间计量检验

文章基于1994～2005年我国46个不同类型城市空气质量和经济增长的面板数据,首次采用空间计量模型对我国城市EKC间的空间依赖关系进行了系统分析,实证结果发现:环境库兹涅茨曲线的估计结果很大程度上取决于计量模型和估计方法的选取。     

CA-AR模型在人口增长模拟中的应用

文章结合人口变化的空间和属性两个基本特征,充分利用CA和AR模型的优点,构建了用于模拟人口增长的CA-AR模型.对成都市主城区作实证研究.以1991年～2004年的人口统计数据为基础估计模型参数,并用2005年的人口数据对模型进行检验.结果表明,此模型较好地解决了在人口增长模拟中人口数量的时间序列变化和空间相互影响相结合的问题.使人口增长模拟更符合实际情况,预测精度较高,为城市规划、城市土地利用规划等提供了科学的参考依据.