- 1、本文档共48页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
广西师范大学硕士学位论文空间误差模型的经验似然和调整经验似然检验
空间误差模型的经验似然和调整经验似然检验
年级:2021级专业:统计学研究方向:非参数统计
研究生:王宁宁导师:秦永松教授
摘摘摘要要要
空间计量经济学是一个跨学科领域,其将空间数据和地理信息系统(GIS)技术与计量
经济学相结合,吸引了经济学界和统计学界等多个学科领域的关注.随着经济社会的快速
发展,空间计量经济学的理论与应用成果日益丰富.在此领域中,空间计量经济模型的基本
理论、模型设定、参数估计和假设检验等方面的研究都取得了重要进展.空间误差模型
(SpatialErrorModel)作为一种常用的空间计量经济模型,在研究经济现象在空间上的特征
和规律方面发挥着重要作用,因此,研究SEM模型中空间自回归参数的检验问题具有重要
的实际价值和理论意义.
经验似然方法是Owen提出的一种非参数统计推断方法,用于在完全样本下进行推断.
该方法在一定约束条件下能够最大化参数似然比函数,并具有类似于Bootstrap的抽样特性.
在构造置信区间时,经验似然方法具有域保持性、变换不变性以及置信区间的形状由数据
本身决定等优点.此外,经验似然方法在统计推断中无需估计方差,也不需要假设数据来自
特定分布族,因此具有很强的适应性.正因为这些优点,经验似然方法在许多统计模型中得
到广泛应用.近年来,学者们将经验似然方法应用于空间误差模型和其他常见的空间计量经
济模型的估计问题,取得了显著的研究成果.然而,现有文献更加注重对模型整体参数的经
验似然推断,对于模型中部分参数的经验似然检验研究相对较少.因此,本文旨在采用经验
似然检验方法,探讨空间误差模型中部分参数(即空间自回归参数)的检验问题.
本文的主要研究工作可以概括为以下两点:
一、研究空间误差模型的经验似然检验.首先,利用鞅差序列将估计方程中的二次型转
化为线性形式,构造模型参数的经验似然比统计量.在一定条件下,证明了经验似然比统计
量的极限分布渐近服从卡方分布,并据此构建了模型参数的置信区间,从而实现对空间自回
归参数的经验似然检验.通过数值模拟,与已有的检验方法(如极大似然方法)进行对比分
析,从而判断经验似然检验方法的优劣,结果表明经验似然检验方法与极大似然检验方法的
性能相近.
二、研究空间误差模型的调整经验似然检验.针对经验似然方法在应用中可能出现的
计算复杂和凸包问题等局限性,进一步提出了采用调整经验似然方法(即在经验似然方法的
基础上添加调整项来构建模型参数的调整经验似然比统计量)来研究空间误差模型中空间
自回归参数的检验.在一定条件下,证明了调整经验似然比统计量渐近服从卡方分布,并据
此构建了模型参数的置信区间,从而实现对空间自回归参数的调整经验似然检验.通过数值
模拟,比较调整经验似然方法与传统的方法(如极大似然方法)的性能表现,进而找到在空间
误差模型中部分参数检验方面更为适合有效的检验方法,结果表明调整经验似然检验方法
具有最佳效果.
第I页
广西师范大学硕士学位论文空间误差模型的经验似然和调整经验似然检验
关关关键键键词词词:空间误差模型;经验似然;调整经验似然;检验
第II页
广西师范大学硕士学位论文空间误差模型的经验似然和调整经验似然检验
TheEmpiricalLikelihoodandAdjustedEmpiricalLikelihoodTests
forSpatialErrorModels
Grade:2021Major:StatisticsResearchfield:NonparametricSta
文档评论(0)