| 基于贝叶斯法则的空间自相关误差自相关模型变量选择研究 |
| |
| 引用本文： | 张元庆,陶志鹏. 基于贝叶斯法则的空间自相关误差自相关模型变量选择研究[J]. 数理统计与管理, 2016, 0(5): 826-837. DOI: 10.13860/j.cnki.sltj.20160109-004 |
| |
| 作者姓名： | 张元庆 陶志鹏 |
| |
| 作者单位： | 1. 上海师范大学商学院,上海200234;上海财经大学数理经济学教育部重点实验室,上海200433;2. 上海师范大学商学院,上海,200234 |
| |
| 基金项目： | 本文获得国家自然科学基金重点项目(71331006);国家自然科学基金项目(71371118);长江学者和创新团队发展计划、上海师范大学一般科研项目(SK201507)的资助. |
| |
| 摘 要： | 本文将研究贝叶斯法则视角下的空间自相关误差自相关模型(Spatial Autoregressive Model with Autoregressive Disturbances,SARAR模型)变量选择问题。通过将基于BIC准则的子集选择法推广到空间模型,实现SARAR模型的变量选择,并证明在一定条件下,对于SARAR模型的变量选择BIC准则具有良好的渐近性质。同时本文还将利用Monte Carlo模拟验证BIC准则能够很好的实现SARAR模型的变量选择。最后以股票收益率为例,在验证股票收益率具有空间效应的前提下,利用BIC准则对影响股票收益率的众多财务指标进行变量选择。
|
| 关 键 词： | 贝叶斯法则 变量选择 空间计量模型 股票收益率 |
Variable Selection of Spatial Autoregressive Model with Autoregressive Disturbances by Bayes Rule |
| |
| Abstract: | |
| |
| Keywords: | Bayes rule variable selection spatial econometric model stock yield |
| 本文献已被 万方数据 等数据库收录！ |
|
