空间回归模型选择的反思

空间计量经济学存在两种最基本的模型:空间滞后模型和空间误差模型,这里旨在重新思考和探讨这两种空间回归模型的选择,结论为:Moran’s I指数可以用来判断回归模型后的残差是否存在空间依赖性;在实证分析中,采用拉格朗日乘子检验判断两种模型优劣是最常见的做法。然而,该检验仅仅是基于统计推断而忽略了理论基础,因此,可能导致选择错误的模型;在实证分析中,空间误差模型经常被选择性遗忘,而该模型的适用性较空间滞后模型更为广泛;实证分析大多缺乏空间回归模型设定的探讨,Anselin提出三个统计量,并且,如果模型设定正确,应该遵从Wald统计量>Log likelihood统计量>LM统计量的排列顺序。     

面向海量科技文献数据的主题模型浅析

随着文献资料的不断膨胀，非结构化的文本数据挖掘逐渐形成较为成熟又区别于结构化数据的方法体系。本文以海量科技文献为出发点，通过研究四类主题模型及目前可用的主要软件和技术，以处理不同条件下的文本数据问题，找到海量科技文献集合中的关键主题，实现分类或预测的统计功能。     

空间回归模型体系研究与展望

空间回归模型已发展成为一个庞大的模型家族,文章将在空间回归基础模型形式的基础上,引出考虑路径影响的空间引力模型和考虑时间依赖的空间回归模型,并阐述引入空间依赖信息的其他几类重要的模型形式,同时针对不同模型在实际研究中的应用问题加以探讨,并对空间回归模型发展方向进行展望.     

中国区域碳排放强度的空间计量分析

在对中国2000-2012年30个地区的碳排放强度数据进行估算的基础上,利用Moran’I空间自相关统计量检验了历年各地区的碳排放强度之间的空间自相关性,在空间自相关检验的基础上,以STIRPAT模型为理论基础,利用空间滞后模型研究了各种影响因素对中国区域碳排放强度的影响。结果表明：历年各地区的碳排放强度之间均存在着明显的空间自相关性;人口结构、能源强度、能源结构和产业结构这四项因素是中国碳排放强度的主要影响因素。     

模糊随机环境下考虑交易费用的投资组合模型

文章对投资市场的随机性与模糊性两种不确定性因素共存的投资组合问题进行了研究,提出了一种新的模型和求解方法.模型用均值表示收益,用绝对偏差表示风险,并考虑了交易费用的因素,给出了将模糊随机空间下的投资组合模型等价地转化为概率空间下的非线性规划模型的方法,并利用差分进化算法来求解该模型.最后通过一个例子来说明所提出方法的可行性.     

基于贝叶斯理论的空间面板计量模型遴选框架——以中国电信服务外溢性分析为例

空间计量经济学发展了一系列空间面板计量模型,但如何根据实际问题选用最佳模型,尚无统一筛选框架。既有文献中针对模型选择的检验大都依赖大样本条件,但现实并非总能满足。将模型贝叶斯遴选框架拓展到空间面板模型情形,并以此对中国电信服务外溢性计量模型进行分析。此筛选框架的突出优势在于能整合处理空间面板计量模型簇中的嵌套情形与非嵌套情形,指标可直接计算,不需借助模拟,且结果具有稳健性。实证结果表明：整合了技术发展和经济结构关联的空间误差自回归面板模型适于中国电信服务外溢性的研究。     

基于状态空间图模型方法的投资组合优化决策

将lasso图理论合并到状态空间模型中,利用条件独立性且通过范数惩罚法对协方差阵进行估计。新方法兼具图模型和动态状态空间模型的优点。最后将该方法应用于欧洲股票市场进行投资组合优化决策,结果表明基于lasso图方法的状态空间模型的投资组合业绩要优于自回归和一般的状态空间模型。     

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。     

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。     

再生核Hilbert空间展开的函数型回归模型变量选择

针对协变量是函数型、响应变量是标量的多元函数型回归模型,文章提出了函数系数基于再生核Hilbert空间展开的变量选择方法。首先,利用带积分余项的泰勒展开式和再生核Hilbert空间内积性质将模型转化为结构化形式,其次,通过自适应弹性网惩罚对结构化模型中的组间和组内系数同时进行压缩。结果证明了这种压缩估计具有Oracle性质,蒙特卡罗模拟结果也显示新方法在不同样本量、不同噪声和变量相关性干扰下均优于基于普通基函数展开的变量选择方法,且尤其适用于原始协变量高度相关的情形。最后,通过分析一个商品房平均销售价格影响因素数据演示了新方法的应用。