手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

面板数据空间误差分量模型估计方法研究

陈青青

  空间误差模型处理模型误差间的空间相关性,是空间经济计量研究的重要模型。不过,经典空间误差模型假设误差间仅存在空间溢出效应,未考虑非空间溢出的区域特定冲击。这可能夸大空间溢出效应,与现实经济运行情况并不完全吻合。此外,该模型误差项方差可能为奇异矩阵,会导致模型的检验和估计结论出现偏差,也是经典空间误差模型的局限之处。 为解决经典空间误差模型存在的不足,Kelejian & Robinson(1993,1995)提出了可处理截面数据的空间误差分量模型(Spatial Error Components,SEC)。本文在截面数据SEC模型的基础上,扩展至面板数据SEC模型,完成了相应的检验及估计的数理推导和Monte Carlo模拟实验:首先,进行面板数据SEC模型的检验研究,包括空间相关性检验和个体效应检验;其次,研究面板数据SEC模型的参数估计方法,提出基于广义矩估计(GMM)的可行广义最小二乘法(FGLS)估计量(记为GMM-FGLS),并证明其有效性;进一步,研究面板数据SEC模型的空间Hausman检验,对模型的个体效应进行判定;最后,基于面板数据SEC模型的理论研究框架,采用1997-2009年中国省级CO_2排放量和经济发展等数据,对我国区域CO_2排放的影响因素做实证研究。 本文的主要研究结论如下: 1、证明面板数据SEC模型的空间相关性LM检验有效。本研究推导出随机效应SEC模型和固定效应SEC模型的空间相关性检验统计量,包括边际检验和条件检验(固定效应SEC模型还需考虑转换检验),并通过Monte Carlo模拟实验,研究各检验统计量的水平扭曲及检验功效。模拟结果表明,对于随机效应SEC模型,当随机效应存在时,条件检验更为有效;当随机效应不存在时,边际检验更为有效。对于固定效应SEC模型,转换检验有更小的水平扭曲和优越的检验功效,且不受固定效应大小影响,是经济计量实证中理想的检验统计量。此外,随着空间相关性和样本量的增大,各检验统计量更为有效。一般来说,空间权重矩阵的选取对检验统计量的有限样本性质影响不大。 2、证明面板数据SEC模型的GMM-FGLS估计量有效。本研究采用GMM方法估计面板数据SEC模型的误差项系数,在此基础上采用FGLS方法估计整个模型的参数。同时,推导极大似然估计量(ML)和基于LS的FGLS估计量(记为LS-FGLS),并通过Monte Carlo模拟实验,比较各估计量的均方根误(RMSE)。结果表明,误差项正态分布时,GMM-FGLS估计量的有限样本性质非常接近GLS估计量和ML估计量,远优于LS-FGLS估计量及普通最小二乘法(OLS)估计量;误差项非正态分布时,GMM-FGLS估计量的有限样本性质接近GLS估计量,明显优于ML估计量,是面板数据SEC模型实证研究中有效的参数估计量。 3、证明面板数据SEC模型的空间Hausman检验有效。本研究数理证明面板数据SEC模型设定下,经典的面板数据Hausman检验失效,构造的空间Hausman检验有效。进一步,通过构造辅助回归模型,优化空间Hausman检验。模拟实验结果表明,经典Hausman检验在处理空间效应时,存在较大的水平扭曲,空间Hausman检验进行了修正,辅助回归空间Hausman检验则始终具有优越的有限样本性质,是理想的检验统计量。此外,空间相关性和样本量的增大使得空间Hausman检验更为有效。 4、面板数据SEC模型在实证分析中有效。本研究将面板数据SEC模型的检验、估计方法及空间Hausman检验理论研究应用于实证分析,采用1997-2009年我国30个省份(西藏除外)的面板数据,研究CO_2排放的影响因素。实证结果表明,我国省级CO_2排放量存在显著的正向空间相关性,CO_2排放量与人均GDP呈倒N型环境库兹涅兹曲线(EKC);采用面板数据SEC模型修正后,CO_2排放下降转折点较未考虑空间因素时明显提高,客观存在的省际间空间相互影响,对CO_2排放下降转折点的人均GDP提出更高的要求。面板数据SEC模型在实证分析中的可行性与有效性初步得到验证。……   
[关键词]:空间误差分量模型;面板数据;广义矩估计;空间Hausman检验;Monte Carlo模拟
[文献类型]:博士论文
[文献出处]:华南理工大学2011年
App内打开