层级数据空间误差自回归模型的估计方法研究

本文建立同时考虑空间误差自回归和嵌套随机效应误差分量的层级数据空间误差自回归模型,并推导最优权重GMM估计量,对空间自回归系数和误差项的方差进行估计。然后,定义对应的FGLS估计量,对层级数据空间误差自回归模型的总体回归系数进行估计。通过蒙特卡洛模拟,验证了所提出模型估计量的有限样本性质。模拟结果表明,本文提出的最优权重GMM估计量以及总体回归系数的GMM-FGLS估计量有很好的小样本性质。

基于辅助回归模型的空间Hausman检验

本文基于面板数据空间误差分量模型,提出空间Hausman检验,并构造出辅助回归模型的空间Hausman检验,进而通过Monte Carlo模拟实验,研究空间Hausman检验,以及辅助回归空间Hausman检验的有限样本性质。研究结果表明,空间Hausman检验能有效矫正空间面板数据下经典Hausman检验的水平扭曲,但随着空间相关性和样本量增大,其水平扭曲偏离理想值;辅助回归空间Hausman检验始终保持理想的水平扭曲。此外,二者均具有优越的检验功效。

带固定效应面板数据空间误差模型的分位回归估计

本文研究了含有个体固定效应的面板数据空间误差模型,基于工具变量法给出了估计模型未知参数的分位回归方法.随机模拟结果显示,工具变量分位回归估计是处理空间面板数据的有效手段,且明显优于均值回归方法.

非独立离散型结局测量资料的logistic回归模型及其应用

探讨非独立离散型结局数据的logistic回归模型的基本原理和建模策略。采用SAS PROC GLIMMIX语句对农村中学生二手烟暴露情况及其影响因素研究实例进行两水平logistic回归模型拟合。在控制了组水平(班级)层级因素后,开展了控烟活动的班级二手烟暴露率较低(t=3.27,P=0.004 8);母亲学历越低、父亲吸烟越严重,学生二手烟暴露率越高(分别为t=3.53,P=0.000 4;t=6.51,P<0.000 1)。多层logistic回归模型可以较好地拟合非独立离散型结局数据。