时变系数广义空间滞后模型的贝叶斯估计

传统空间计量模型采用单一不变系数表征单元间的空间关系,但随着样本中个体和时间的增大,不变系数模型难以准确反映空间关系的时变性,可能导致参数估计有偏。基于此,本文构建时变系数广义空间滞后模型,利用贝叶斯方法和MCMC抽样估计模型参数,并与不变系数模型作对比,最后应用于具体实例。数值模拟结果表明,时变系数模型参数估计的平均偏差和均方误根都小于不变系数模型,且均方误根随个体或时间的增大而减小。实例应用不仅重新测度了产业集聚对产业结构升级影响的空间时变效应,还再次证实了模型和方法的实用性。

随机效应广义空间滞后半参数变系数面板模型的估计

本文通过构建同时包含因变量和误差项空间滞后的随机效应半参数变系数面板模型,拓展了现有模型的灵活性和适应性;采用截面极大似然估计方法得出了参数和非参数的估计。理论证明发现:在一定的正则条件下,所有估计量具有一致性和渐近正态性。数值模拟显示:估计量具有良好的小样本性质,估计精度随着样本容量的增加而增加;空间权重矩阵的选择对估计量的表现没有产生显著差异,但是在Case权重矩阵下,当样本量相同时,空间相关系数的估计偏差随着空间权重结构复杂度的增加而扩大。