空间面板数据混合模型Bootstrap检验研究

发布时间：2017-12-27 09:45

本文关键词：空间面板数据混合模型Bootstrap检验研究　出处：《华南理工大学》2014年硕士论文　论文类型：学位论文

【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。
[Abstract]:In order to identify the specific spatial relations in spatial econometric analysis, we usually use statistics such as Moran or s I test, LM-Error test and LM-Lag test, which are asymptotically normal or 2 (1). Anselin (1988a), Burridge (1980) and Anselin (1988B) proposed Moran, sI, LM-Error and LM-Lag test methods, which are only applicable to larger sample size and model error. However, in a large number of economic research, sample size is usually very limited, or the model error does not obey normal independent and identically distributed (heteroscedasticity or time series correlation error), which results in the failure of spatial correlation test.
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：F224.0

【参考文献】