部分线性可加空间自回归模型的稀疏估计

发布时间：2021-02-16 00:39

　　空间自回归模型是当前计量经济学中的一个研究热点,因为该模型考虑了数据之间的空间相关关系,并且关于该模型的理论研究与统计推断方法都十分成熟。但是一般的空间自回归模型仅仅考虑了线性关系,因此该模型在一些包含非线性关系的情况下并不适用。许多学者开始研究将非参数函数部分加入到空间自回归模型中,形成更加灵活有效的模型来拟合相应的空间自相关数据。本文研究了部分线性可加空间自回归模型的估计和变量选择问题。为了对该模型中未知的空间滞后系数、常系数和可加函数进行估计,我们使用B-样条基函数来逼近非参数函数。同时在估计程序中引入了工具变量的方法来消除内生变量造成的估计偏差,最终通过计算简单的一步估计得到相应的估计量。对于该模型的变量选择问题,在参数估计的同时,我们考虑使用SCAD惩罚方法对模型的参数部分进行变量选择。通过蒙特卡洛模拟验证了估计方法和变量选择方法的有效性。最后,利用该模型对波士顿房价数据进行了实例分析。 

【文章来源】： 张仟 湖南师范大学

【文章页数】：53 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
1 绪论
    1.1 研究背景
        1.1.1 空间自回归模型的背景
        1.1.2 变量选择方法的背景
    1.2 文献综述
        1.2.1 空间自回归模型的研究现状
        1.2.2 变量选择方法的研究现状
    1.3 本文创新点及论文结构
2 预备知识
    2.1 空间自回归模型及估计方法
        2.1.1 空间自回归模型的介绍
        2.1.2 空间自回归模型的参数估计方法
    2.2 空间权重矩阵
    2.3 可加模型
    2.4 非参数方法
3 部分线性可加空间自回归模型
    3.1 模型介绍
    3.2 估计方法
    3.3 变量选择方法
    3.4 本章小结
4 模拟研究及实证分析
    4.1 估计方法的模拟研究
    4.2 变量选择方法的模拟研究
    4.3 实证分析
    4.4 本章小结
总结与展望
参考文献
致谢



本文编号：3035821