空间经济计量滞后模型Bootstrap Moran检验功效的模拟分析

统计研究 ›› 2010, Vol. 27 ›› Issue (9): 91-96.

空间经济计量滞后模型Bootstrap Moran检验功效的模拟分析

欧变玲等

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2010-09-15 发布日期:2010-09-15

Simulation Analysis for Power of Bootstrap Moran Diagnostic Tests in Spatial Econometric Autoregressive Models

Bian-Ling et al.

Received:1900-01-01 Revised:1900-01-01 Online:2010-09-15 Published:2010-09-15

摘要/Abstract

摘要： 当误差项不服从独立同分布时，利用Moran’s I统计量的渐近检验，无法有效判断空间经济计量滞后模型2SLS估计残差间存在空间关系与否。本文采用两种基于残差的Bootstrap方法，诊断空间经济计量滞后模型残差中的空间相关关系。大量Monte Carlo模拟结果显示，从功效角度看，无论误差项服从独立同分布与否，与渐近检验相比，Bootstrap Moran检验都具有更好的有限样本性质，能够更有效地进行空间相关性检验。尤其是，在样本量较小和空间衔接密度较高情况下，Bootstrap Moran检验的功效显著大于渐近检验。

关键词: 空间经济计量滞后模型, Bootstrap Moran检验, 功效, 蒙特卡洛

Abstract: The asymptotic distribution of Moran’s I statistic can’t effectively test spatial correlation among 2SLS residuals in spatial econometric autoregressive models with the i.i.d. error. In this paper, we apply two residual-based bootstrap methods for diagnostic testing spatial correlation in a spatial econometric autoregressive model. In comparison with the theoretical asymptotic test, our extensive Monte Carlo simulation indicates that in view of power whether the errors are i.i.d or not, bootstrap test for this model has superior finite sample properties, and can more effectively check spatial dependence than the asymptotic test. Especially, the power of bootstrap test is remarkably more than one of asymptotic test with the small sample and Queen spatial weight matrix.

Key words: Spatial Econometric Autoregressive Models, Bootstrap Moran Test, Power, Monte Carlo

欧变玲等. 空间经济计量滞后模型Bootstrap Moran检验功效的模拟分析[J]. 统计研究, 2010, 27(9): 91-96.

Bian-Ling et al.. Simulation Analysis for Power of Bootstrap Moran Diagnostic Tests in Spatial Econometric Autoregressive Models[J]. , 2010, 27(9): 91-96.

[1]	李自若等. 中国省际贸易流量再估算与贸易演变特征研究[J]. 统计研究, 2020, 37(8): 35-49.
[2]	汪卢俊. 基于LSTAR模型的中国股市泡沫风险识别 [J]. 统计研究, 2018, 35(12): 102-112.
[3]	孟生旺李政宵. 地震死亡人数预测与巨灾保险基金测算[J]. 统计研究, 2018, 35(10): 89-102.
[4]	张志强. 动态面板模型参数估计方法的比较研究[J]. 统计研究, 2017, 34(9): 108-.
[5]	张波蒋远营. 基于中国股票高频交易数据的随机波动建模与应用[J]. 统计研究, 2017, 34(3): 107-117.
[6]	孙晓华等. 地区产业结构优度的测算及应用[J]. 统计研究, 2017, 34(12): 48-62.
[7]	王泽宇等. 整数值时间序列模型单位根检验问题研究[J]. 统计研究, 2016, 33(8): 106-112.
[8]	杨利雄等. 基于傅里叶变换的含异质性结构突变的面板单位根检验[J]. 统计研究, 2016, 33(2): 86-90.
[9]	欧变玲等. 时变空间权重矩阵面板数据模型稳健LM检验有效性研究[J]. 统计研究, 2015, 32(10): 98-105.
[10]	汪卢俊. LSTAR-GARCH模型的单位根检验[J]. 统计研究, 2014, 31(7): 85-91.
[11]	刘田谈进. 基于序列与逆序列最小Wald统计量的通用STAR模型平稳性检验法[J]. 统计研究, 2014, 31(3): 99-105.
[12]	刘田. STAR非线性平稳性检验中误设定的伪检验研究 [J]. 统计研究, 2013, 30(7): 89-96.
[13]	杨利雄等. 平滑结构突变下Dickey-Fuller检验的大样本行为[J]. 统计研究, 2013, 30(11): 103-108.
[14]	赵春艳. 平滑转换自回归模型的单位根检验问题研究[J]. 统计研究, 2011, 28(6): 104-108.
[15]	刘田谈进. 正交多项式逼近下非线性趋势序列单位根检验[J]. 统计研究, 2011, 28(4): 99-105.