Bootstrap方法在空间面板模型空间相关性检验中的应用研究

发布时间：2020-08-27 09:07

【摘要】：空间经济计量学最显著的特点是引入了空间效应,放松了传统计量经济学研究变量之间相互独立的假定。显然,空间经济计量学更符合实际经济情况,可以得到比传统经济计量学更为可靠和准确的结论。当前,空间经济计量学对空间效应的研究主要侧重于空间相关性的检验。目前,空间经济计量学者提出了诸多空间相关性检验方法,如Moran’s I检验、LM检验、LR检验等。其中,最常用的为Moran’s I检验和LM检验。区别在于Moran’s I检验只能检验模型是否存在空间相关性,不能进一步对所要建立模型为空间误差模型还是空间滞后模型进行有效区分。LM检验可以分为LM-Lag检验及LM-Error检验,通过比较LM-Lag检验和LM-Error检验的显著性可判定空间相关性的表现形式。但是,理论上,Moran’s I检验和LM检验在大样本情况下以及误差项服从经典分布时才能成立。此外,在对现实经济现象的研究中,由于数据可获得性等问题,我们的研究样本为小样本及中样本等有限样本。加之现实经济问题的复杂性等问题,模型误差项很难完全满足经典分布的假设,通常存在异方差及时间序列相关等情况。在实际研究中,前述严格假定条件无法满足。因此,依赖于大样本和误差项服从经典分布的Moran’s I检验和LM检验的检验效果将会大打折扣,甚至无效。空间面板数据模型由于个体效应(随机效应和固定效应)的存在,以及具有截面维度和时间序列维度两重属性,样本为有限样本或误差项非经典分布的空间面板数据模型空间相关性检验还是未涉及到的研究领域。Bootstrap方法不需要研究样本服从经典分布,可以作为解决上述难题的选择方法之一。但是,空间面板数据经济计量模型同时具有空间效应特征和面板数据特征,不仅要考虑个体效应的存在,还要考虑截面维度和时间序列维度,使得空间面板数据模型更为复杂,Bootstrap方法的抽样结果的有效性将会存在疑问,空间截面数据模型空间相关性检验Bootstrap方法已经不再适用于空间面板数据模型。本研究将Bootstrap方法应用于空间面板数据模型Moran’s I检验和LM检验,为经济计量分析工作者解决有限样本或误差项不满足经典分布假设情形下,空间面板数据模型空间相关性检验难题提供有效解决思路。本文得到以下结论:第一,本文对三种衍生的Bootstrap方法 DB1、DB2、FDB方法构建Moran’s I检验统计量,以空间面板数据滞后模型为例,进行Monte Carlo的模拟实验。随机效应条件下,误差项为非经典分布时,观察三种Bootstrap方法在空间面板数据模型空间相关性检验中的表现,无论从水平扭曲还是功效的角度,FDB Moran’s I检验的均表现最好,是最优的选择。第二,本文将FDB方法引入面板数据空间经济计量模型Moran’s I检验,通过大量的Monte Carlo模拟实验发现,在误差项正态分布或存在异方差、时间序列相关情形下,从水平扭曲来看,渐近Moran’s I检验存在较大的水平扭曲,FDB Moran’s I检验水平扭曲较小,且小于渐近Moran’s I检验的水平扭曲,接近于理论值0。随着样本量和Bootstrap模拟次数的增加,渐近Moran’s I检验的水平扭曲逐渐增加,而FDB Moran’s I检验的水平扭曲逐渐减小趋近于理论值0。从检验功效看,渐近Moran’s I检验与FDB Moran’s I检验同样有效。第三,基于Monte Carlo模拟实验结果表明,当个体效应设定为随机效应时,在误差项非经典正态分布条件下,空间面板模型空间相关性渐近LM-Lag检验存在着较大的水平扭曲,而FDB LM-Lag检验则在基本不损失检验功效的同时,可以有效矫正渐近LM-Lag检验的水平扭曲,是空间面板模型空间相关性LM-Lag检验更为理想的检验方法。第四,采用Monte Carlo模拟实验结果表明,存在随机效应的条件下,当误差项非经典分布的时,空间面板数据模型渐近LM-Error检验存在较大的水平扭曲,而FDB LM-Error检验则在基本不损失检验功效的前提下,能有效矫正渐近LM-Error检验的水平扭曲,是空间面板数据模型空间相关性LM检验更为有效的方法。
【学位授予单位】：华南理工大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：F830;F224

【参考文献】