面板数据空间误差分量模型的GMM估计及其应用

本文研究面板数据空间误差分量模型(Spatial Error Components Model,SEC)的估计方法。为克服极大似然法在SEC模型估计中运算的困难,本文提出基于广义矩估计的可行广义最小二乘法(GMM-GLS),证明了估计量的一致性及有限样本下的有效性;并应用此模型,研究2000-2007年中国30个省(西藏除外)的物质资本存量、人力资本存量及能源消耗对实际GDP的影响,结果表明,采用SEC模型所得估计结果更为符合经济现实。     

误差合成空间固定系数模型的多阶段广义最小二乘估计

本文对时变系数的空间面板数据模型进行了研究,所研究的模型利用扰动项中的空间个体成分将不同时期的方程联系起来,同时,自变量系数和空间自回归系数是时变的,但不会随着观测个体的变动而变动。本文利用基于可行的广义最小二乘估计的多阶段方法对模型参数进行了估计,研究了估计量的大样本性质,并利用Monte Carlo方法模拟了其小样本性质。模拟结果表明,估计量的渐近性质随着样本容量的增加而改善。对中国省级地区间财税策略互动行为的实证案例也体现了本文理论模型的应用价值。     

���й̶�ЧӦ�İ�����������ģ�͵Ļع���������

In this paper, we study the asymptotic behavior of the B-spline estimator for semiparametric panel data model with fixed effects.We give explicit expression for the asymptotic bias of B-spline estimator for nonparametric function m. Our study shows that the asymptotic bias of the B-spline estimator does not depend on the working correlation matrix. Simulations are conducted to demonstrate our conclusion.     

我国纺织业集聚分布格局及其影响因素的空间面板数据分析

在我国,关于区域产业集聚的理论研究进展迅速,但基于空间计量经济模型的实证研究仍需完善。本文采用中国2004-2007省际面板数据,验证纺织业集聚的空间依赖性存在,并分别对空间滞后模型和空间误差模型进行估计,得出以下结论:近些年纺织业集聚的省际分布格局主要呈现"东高西低"的两极化特征,总体变化不大;根据全局Moran I指数和LISA集聚图,纺织业集聚存在空间维度的依赖性和异质性,东部沿海纺织业的扩散作用没有充分发挥,区域发展很不平衡;原料供给量、平均规模水平、交通运输条件等因素都对纺织业集聚产生不同程度的正向影响,而地方保护阻碍产业跨区迁移与形成集聚;与理论假设不同,低廉的劳动力成本对纺织业集聚没有产生明显的促进作用,主要是受到基础设施状况和运输条件的限制;制定相关政策的同时,注意从以上这些要素入手,还必须充分考虑空间作用机制对纺织业省域集聚的差异化作用。     

非参数固定效应Panel Data模型的统计推断

本文主要讨论了非参数固定效应Panel data模型的估计与检验问题,首先我们利用Profile最小二乘方法得到了固定效应与非参数部分的估计;接着基于比较原假设与备择假设下模型拟合的残差平方和的思想针对固定效应的检验问题构造了检验统计量,并给出了计算检验p-值的F分布逼近法。     

Panel����ģ���з�������ľ�ȷ����

本文利用广义p值和广义置信区间的概念构造含有三个随机效应的Panel数据模型中方差分量的几种新的精确检验和置信区间,并讨论它们在尺度变换下的不变性.通过模拟给出检验的功效和置信区间的覆盖率. 模拟结果表明,广义p值理论方法应用于含有冗余参数的Panel数据模型参数检验问题是灵活而有效的.     

面板数据交互固定效应模型的方差分量检验

研究了面板数据交互固定效应模型中方差分量的检验问题.首先依据模型中误差项的估计构造辅助回归模型,然后根据该辅助回归构造检验统计量,对模型中的异方差性进行检验.进一步,通过构造不同的辅助回归模型和检验统计量可以判别异方差的来源.在一定正则条件下,得到了检验统计量在原假设和备择假设下的渐近分布,并说明所提出的检验方法不依赖于误差分布.最后,通过模拟研究对本文的检验方法进行评价,说明所提检验方法是有效的.     

关于一类具有有界不确定性数据的参数估计方法的误差分析

指出了一类具有有界不确定性数据的参数估计方法存在估计误差这一事实,分析了估计误差存在的原因,给出了估计误差的上界.     

������ݽ����̶�ЧӦģ�͵�Э����������

??In this paper, we focus on the tests for covariance matrices in panel data model with interactive fixed effects. For the problem of testing identity and sphericity of covariance matrices, we first propose test statistics based on the estimators of the trace of covariance matrices. Under both the null hypothesis and the alternatives, we establish the asymptotic distributions of the proposed test statistics under some regularity conditions, and we further show that the proposed tests are distribution free. Subsequently simulation studies suggest that the proposed tests perform well under the high dimensional panel data.     

Testing for Covariance Matrices in Panel Data Models with Interactive Fixed Effect

In this paper, we focus on the tests for covariance matrices in panel data model with interactive fixed effects. For the problem of testing identity and sphericity of covariance matrices, we first propose test statistics based on the estimators of the trace of covariance matrices. Under both the null hypothesis and the alternatives, we establish the asymptotic distributions of the proposed test statistics under some regularity conditions, and we further show that the proposed tests are distribution free. Subsequently simulation studies suggest that the proposed tests perform well under the high dimensional panel data.