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]