带随机效应的空间误差自相关模型的条件LM检验

文章运用Baltagi提出的方法,推导出两个能检验Kapoor提出的SAR模型的条件LM检验,并在标准网格、地理特征、经济特征和函数特征四类共11个权重矩阵下构建蒙特卡洛实验检测其检验效果,同时选用了相应的边际LM检验作对比.研究发现:当ρ与λ至少有一个为零时,其拒绝频率都落在预定范围内;给定ρ,增大λ或者给定λ,增大ρ时,其拒绝频率都在很小范围内无规律震荡;当ρ≥0.4或者λ≥0.5时,除W8,W10外,其拒绝频率都达0.98以上;表明条件LM检验的检验效果相当稳健且优于相应的边际LM检验.     

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。     

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。     

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。     

动态面板数据模型和空间滞后面板数据模型的比较——基于被解释变量时空依赖特征的“孪生性”分析

面板数据模型从基本形式拓展到动态面板数据模型和空间面板数据模型,体现了时空特征整合的经济计量建模发展方向。在时空特征整合的意义下,从被解释变量时空依赖特征的角度来看,动态面板数据模型和空间滞后面板数据模型具有对称性、“孪生性”。比较教学实验表明,指出这一点能够更便于学生理解面板数据模型的思想、发展与应用,也有利于空间统计学思想的普及教育。     

一种新的空间权重矩阵选择方法

空间权重矩阵选择问题一直是空间计量经济学中的一个难题,权重矩阵的选择正确与否关系到模型的最终估计结果。本文在空间滞后模型框架下,把空间权重矩阵选择问题转化为变量选择问题,然后利用CWB方法进行变量选择。中国城市服务业集聚机理实证研究显示,利用本文所提出的方法所选取的空间权重矩阵较为合理,进而可以减少因为空间权重矩阵误设问题而引起的模型估计偏误。在大样本情形下,该方法可以非常有效地降低计算成本。     

经济全球化、社会全球化与各省市经济增长——基于空间面板数据模型的实证检验

近年来国际上出现了一些质疑全球化的声音与逆全球化行为,全球化及其在各国经济增长中究竟发挥了怎样的作用再次成为人们热议的话题。基于中国加入WTO以来的省级面板数据,从经济全球化和社会全球化两方面构建评价指标体系,对比分析各省份融入全球化的程度,发现东部地区融入全球化程度较高,而中西部地区的融入程度相对较低。在考虑空间相关性的基础上,通过建立空间面板数据模型,实证检验了经济全球化和社会全球化对各省份经济增长的影响。研究结果表明,经济全球化对各省份经济增长有显著的正向促进作用,而社会全球化则不利于各省市经济增长。     

复杂环境下空间滞后模型的稳健LM检验

 针对误差项非正态分布和不同空间布局的复杂环境,本文提出一种新的空间滞后模型的稳健LM检验统计量及其检验方法,对比现有LM检验方法,它不仅消除了空间误差效应对检验的影响,而且克服了传统检验方法会受误差项非正态分布以及不同空间布局差异的影响。同时还具有在小样本情况下表现依然良好的优点。经过蒙特卡罗模拟的结果支持上述论断。     

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。     

Hypothesis Testing in Multivariate Linear Models with Randomly Missing Data

Tests for mean equality proposed by Weerahandi (1995) and Chen and Chen (1998), tests that do not require equality of population variances, were examined when data were not only heterogeneous but, as well, nonnormal in unbalanced completely randomized designs. Furthermore, these tests were compared to a test examined by Lix and Keselman (1998), a test that uses a heteroscedastic statistic (i.e., Welch, 1951) with robust estimators (20% trimmed means and Winsorized variances). Our findings confirmed previously published data that the tests are indeed robust to variance heterogeneity when the data are obtained from normal populations. However, the Weerahandi (1995) and Chen and Chen (1998) tests were not found to be robust when data were obtained from nonnormal populations. Indeed, rates of Type I error were typically in excess of 10% and, at times, exceeded 50%. On the other hand, the statistic presented by Lix and Keselman (1998) was generally robust to variance heterogeneity and nonnormality.     

截面相关面板数据的部分异质结构的识别

在大维面板数据中,截面之间很可能呈现出部分异质的特征,即参数在截面间具有组群效应,同组参数相同而不同组参数相异。如果忽略部分异质性而采用完全异质或同质的方法,可能导致估计的不一致性以及统计推断无效性。鉴于已有的部分异质性的研究要么限定截面独立,要么局限于强因子情形,本文尝试在Reese和Westerlund（2015）[1]提出的允许强因子或非强因子存在的较一般的框架下探讨面板数据部分异质结构的识别问题。采用Pesaran（2006）[2] CCE （Common Correlated Effects）方法处理不同强弱的共同因子,并借鉴Su et al.,（2016）[3]的C-Lasso （Classifier- Least Absolute Shrinkage and Selection Operator）方法,对CCE变化后的方程构造带有加法-乘法惩罚项的惩罚最小二乘,优化后以同步地实现分组和参数的估计。理论分析表明,在强因子或半强因子情形中,本文所提方法在分组方面具有渐近一致性,即所有个体被正确分组的概率随着 而趋于1。同时,参数的Lasso估计和事后Lasso估计均具有渐近正态性。另外分析结果也表明,因子的强弱不会影响分组的一致性但会影响以上两种估计量的渐近正态性,因子越强,两种估计量收敛得越快。模拟结果则表明有限样本下,本文所提的方法在分组、参数估计和分组数确定方面均具有良好的表现。具体的,在强因子和不同的半强因子情形中,随着N,T的增加,分组和分组数正确率很快地上升到100%,而两种参数估计的均方根误差和偏差则明显地降低。最后,利用本文所提的方法,研究了人力资本对经济增长影响的部分异质性。     

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。