导 师: 龙志和
授予学位: 硕士
作 者: ;
机构地区: 华南理工大学
摘 要: 为了对空间经济计量分析中的具体空间关系进行识别,通常会采用统计量渐近服从正态或者2(1)等标准分布的Moran’s I检验、LM-Error检验和LM-Lag检验等方法。Anselin(1988a)、Burridge(1980)和Anselin(1988b)提出的Moran’sI、LM-Error和LM-Lag等检验方法,都仅适用于较大样本量和模型误差服从正态独立同分布等情形。然而在大量经济工作研究中,样本量通常十分有限,或者模型误差不服从正态独立同分布(存在异方差或者时间序列相关误差等),造成空间相关性检验方法失效。为了解决检验方法的不足,而又考虑到空间面板数据的特性,本文将已有文献中常用的Bootstrap方法延伸至DB(Double Bootstrap)方法,为解决其运算量大的问题,采用FDB(Fast Double Bootstrap)方法对DB方法进行优化,采用FDB抽样方法,构造FDB统计量,即FDB检验,研究中通过Monte Carlo实验,比较其与渐近检验的差别,从水平扭曲和功效两方面来证明FDB检验的有效性,解决有限样本条件下空间关系识别难题。本文分为三大部分。第一部分研究的意义以及问题提出;第二部分阐述空间面板数据混合模型截面Bootstrap检验和FDB检验有效性的研究思路,并设计Monte Carlo模拟实验;第三部分对截面Bootstrap检验和FDB检验有效性Monte Carlo实验结果进行分析并得出结论,包括第三章和第四章。本文通过大量Monte Carlo模拟实验的研究,结果表明,在误差项正态分布条件下,渐近检验和FDB检验均具有较优越的检验水平和检验功效表现;在误差项为异方差或者时间序列相关条件下,且样本量较小时,渐近检验无法正确判断模型OLS估计残差间的空间误差关系或空间滞后关系,存在严重的水平扭曲,而FDB检验能够有效地矫正水平扭曲,且检验功效优于渐近检验,是更为有效的检验统计量。概言之,本文通过模拟实验证明,无论模型误差是否服从正态分布,与渐近检验相比,空间面板数据混合模型FDB检验有效。
关 键 词: 抽样 检验 检验 空间面板数据混合模型
分 类 号: [F224.0]
领 域: [经济管理]