政治学
“路径依赖”与政治动态过程——非线性模型的残差序列相关分析
2016-06-01
庞珣 
政治学实证研究中分析的对象经常表现为两分因变量,需要运用非线性模型进行分析。在非线性环境下,处理数据中序列相关问题,面临一系列方法和计算上的困难和挑战。该研究提出运用残差p阶自回归过程Probit模型来检验和充分修正序列相关问题,并发展模拟方法对参数进行统计估计。模型直接针对误差项的随机过程进行建模,与现有非线性时间序列模型相比,该模型是检验序列相关的更好方法,尤其适用于较小或中等规模的样本。该研究发展的模拟方法是基于马尔可夫链-蒙特卡洛的循环模拟。除了采用常规的Gibbs和Metropolis-Hastings取样法外,该研究还创新性地引入状态空间分割方法,运用推动器对马尔可夫链在局部参数空间中进行移动,以加速模拟的收敛过程。该研究对残差项自回归阶数通过模型拟合优度和质量比较进行确定,采用SIR-递推采样方案对后验分布的边际似然性进行模拟近似计算,从而计算出每一对参评模型的贝叶斯因子从而进行模型比较,对自回归阶数进行确定以确保序列相关得到充分修正。该研究将新模型和新方法应用于两个政治学研究的实例分析中,一个是关于美国众议院规则变化的时间序列分析,另一个是对国际政治经济研究中的能源安全进行动态过程追踪。这两个实例表明,序列相关在非线性环境中的分析显著影响到数据分析的质量和实证结论的可靠性,使用新的模型和方法可以对序列相关进行直接和充分的修正,并可以与现有其他时间序列分析技术进行结合,以处理政治学中路径依赖带来的强序列相关问题。
领 域:
0 25
下载全文(PDF文件/1024K)
实证社会科学(第一卷)
2016年
相似文献
半参数可加测量误差模型的序列相关检验及其在居民消费研究中的应用
博硕
核实数据下回归模型的序列相关检验
博硕