第十二章 实证分析和操作实例.pdf

第12 章实证分析和操作实例 为完成第二部分的讨论，这一章我们对前面所建立的空间过程模 型会引入几种估计和检验方法．我们尤其要讨论三方面内容．首先， 我们将关注极大似然估计和联合非线性优化的操作问题．其次，将重 点讨论针对横截面数据的分析．我们会利用第六，八，九章所介绍的 几种估计和检验方法对俄亥俄州哥伦布 49 个相邻地区关于犯罪决定 因素的一个简单模型进行实证分析．最后，视角会转换到时空数据集. 为了论证第七章引入的工具变量法和第十章所讨论的各种空间效应 的诊断方法，我们对俄亥俄州西南部 ２５个相邻县的抽样数据所建立 的菲利普斯曲线分别在这两个角度上进行估计． 12.1. 操作实例 针对空间过程模型的极大似然估计往往需要构造以几个参数为 条件的非线性优化的似然函数．虽然在计量经济学中，这是一个很常 见的问题，但空间模型的某些特点还是需要特别注意．在这一节里， 我们将考虑这一方面的更多细节． 首先，我们将对第六章所讨论的空间过程模型的两个实际例子引 入极大似然估计解决优化问题的具体形式．该形式表明似然函数的最 大值能够表示为受其它参数制约的一个参数的函数，这大大简化了问 题．其次，我们会简要讨论一下极大似然估计中由雅可比项所带来的 数值问题．在本节的后面两部分，我们将评价空间模型优化问题的直 接检索和其它数值方法的实际意义．本节还包括相应软件的简单介 绍． 12.1.1. 极大似然估计 对于第六章所引入的一般空间过程模型来说，极大似然估计是来 自于对下面的对数似然函数的最大化，该对数似然函数包含β(K 阶),α(P+1 阶), ρ 和 λ 四个参数:     L   N / 2 ln  1/ 2 ln  ln A  ln B    1    1/ 2 Ay X B  B Ay X 其中， A  I W B  I W 这一模型的应用中包含两个比较有趣的特殊例子：1、空间自回 2 归模型的混同回归(即 B=I and Ω=σ Ι) ；2 、带有空间误差项的线性回 2 归模型(即 A=I and Ω=σ Ι) ．在这两个例子中对数极大似然函数的极 大值都能化简为受其它系数影响的空间因素作为自变量的简单函数 形式． 对于空间自回归模型的混同回归，对数极大似然函数化为：     2  2    L   N / 2 ln  N / 2 ln ln A  1/ 2 Ay X Ay X 作为第六章所介绍的一般的一阶条件的应用 （详见6.21 6.24 ）， 我们将b作为β的估计值，亦即： -1 b = (XX) XAy 或者： -1 -1 b = (XX) Xy - ρ (XX) XWy = b - ρ •b 0 L 其中最小二乘估计量b 和b 是X分别通过关于y和Wy做回归得 0 L 到的．显然，同ρ一样，β的极大似然估计也是那些辅助回归系数的函 数．但是对于ρ的估计来说，它无法被解析表达，同时系数向量b 和