(数量经济学)欧变玲 空间经济计量模型Moran检验的Bootstrap渐近改进.pptVIP

2009-12-4 空间经济计量模型Moran检验的Bootstrap渐近改进 欧变玲 龙志和 华南理工大学经济与贸易学院 林光平[美] 波特兰州立大学经济系 缘 起 Moran检验 (Cliff Ord, 1981) 原 假 设：线性回归模型OLS估计残差间空间无关 备则假设：线性回归模型OLS估计残差间空间相关 Moran检验统计量表达式： 其中，e是线性回归模型 的OLS估计残差。 理想与现实 缘 生 在有限样本或模型误差不满足Moran检验的经典假设，存在异方差或分布未知情况下，如何检验研究对象间的空间关系？ 通过文献研究，本文尝试利用Bootstrap方法构造空间相关检验统计量，解决有限样本或模型误差不服从正态独立同分布情况下的空间相关性检验难题。 Bootstrap简介 1979年，美国斯坦福大学Efron教授在归纳前人研究成果的基础上，提出了根据给定的原始样本复制观测信息，不需要进行分布假设或增加新的样本信息，对总体的分布特性进行统计推断的一种非参数统计方法。 Bootstrap方法研究 Bootstrap方法研究 本文的前期研究利用Monte Carlo实验，研究Bootstrap方法用于空间相关性Moran检验的有效性。结果显示：利用Bootstrap方法构建空间相关性检验统计量，能够有效地解决空间相关性检验难题。 研究命题 研究思路 Bootstrap方法有效性的数理推导大致可以从三个角度出发?（1）统计量及其Bootstrap检验统计量； （2）统计量及其Bootstrap检验统计量的临界值； （3）统计量及其Bootstrap检验统计量的P值。 利用统计量分布函数的Edgeworth展开研究Bootstrap方法有效性颇具代表性，本文基于此展开数理证明工作。 数理推导结论 当模型误差满足常见空间相关性检验Moran’s I统计量渐近分布的经典假设时，渐近检验的收敛速度 。 当模型误差满足常见空间相关性检验Moran’s I统计量渐近分布的经典假设时，Bootstrap Moran检验的收敛速度 。 简言之，当模型误差服从正态独立同分布时，利用Bootstrap方法构建统计量，进行空间相关性Moran’s I检验，收敛速度提高，空间经济计量模型Moran检验获得Bootstrap渐近改进。Bootstrap Moran检验具有更好的有限样本性质。 数理推导结论 当模型误差满足常见空间相关性检验Moran’s I统计量渐近分布的经典假设，存在异方差或分布未知时， Moran’s I统计量的渐近理论失效，Bootstrap Moran检验则能够有效地进行空间相关性检验。 概言之，当有限样本或模型误差不满足Moran’s I统计量渐近分布的经典假设条件时，数理推导结果显示：Bootstrap Moran检验能够更有效地检验模型OLS估计残差间的空间相关性。 * * 国家自然科学基金资助项目（编号 2009年12月12日 观测值独立 观测值相关 矛盾 空间经济计量学 理论基础 现实情况 传统经济计量 学和统计学 经济管理 实证研究 构建经济计量模型 检验空间相关性是否存在 否 是 选择空间经济计量模型 LM-lag检验 LM-error检验 估计空间经济计量模型 检验空间相关性是否仍存在 2SLS或GMM方法 ML方法 完成空间经济计量分析 否 是 是 构建经济计量模型 检验空间相关性是否存在 否 是 选择空间经济计量模型 LM-lag检验 LM-error检验 估计空间经济计量模型 检验空间相关性是否仍存在 2SLS或GMM方法 ML方法 完成空间经济计量分析 否 是 是 构建经济计量模型 检验空间相关性是否存在 否 是 选择空间经济计量模型 LM-lag检验 LM-error检验 估计空间经济计量模型 检验空间相关性是否仍存在 2SLS或GMM方法 ML方法 完成空间经济计量分析 否 是 是 Moran检验有效的前提条件 实证研究中的现实问题 大样本 误差服从独立同分布 有限样本 误差不服从独立同分布 Bootstrap方法在传统经济计量领域的单位根检验、参数显著性的T检验和协整检验等方面的有效性已得到证明和广泛应用。