空间动态面板非线性Logistic模型的QML估计

空间动态面板非线性Logistic平滑转移模型(SDPD-LSTAR)是一个灵活性较好、应用广泛的新模型,刻画了变量的空间交互、时间依赖、时空协变和非线性空间区制平滑转换特征。不过,如果不考虑时间依赖、时空协变或非线性特征而直接建立空间模型,会影响估计精度和有效性。本文对双向固定效应SDPD-LSTAR模型,提出拟极大似然(QML)转换和直接估计法,证明参数估计量的一致性,并进一步推导修正估计量,证明修正估计量具有更好的有限样本性质。同时,本文通过Monte Carlo模拟和实例应用检验估计效果。模拟结果表明:QML转换和直接估计量偏差均较小,随着N和T不断增大,估计准确性增加;修正QML比未修正QML估计量更精确,转换估计的准确性优于直接估计。实例应用不仅重新评估了城市碳排放与经济发展水平的空间动态非线性关系,也很好地验证和展示了理论结论和实践性。

短面板约束下固定效应空间动态面板模型的估计与模拟

空间动态面板数据(SDPD)模型中被解释变量初值极易带有内生性,采用一般拟极大似然(QML)方法容易造成参数估计偏误,特别是当样本结构为n大T小的时候。鉴于此,本文在一般QML基础上,通过重塑误差项的方差-协方差矩阵,修正拟似然函数表达式,得到修正QML,进而估计短面板下含空间、时间、误差三类关联项的固定效应SDPD模型,基于数值模拟和实例应用检验一般QML与修正QML的估计效果。数值模拟结果表明:修正QML比一般QML更精确、更稳健,均方误差修正率随样本短面板结构的增大而增大。实例应用不仅重新评估环境规制与技术创新之间的空间效应,回归结果也再次证实从数值模拟中得出的结论。

固定效应时异系数广义空间自回归模型的估计与模拟

空间面板数据模型常呈现时异特征,现实经济现象中的空间关联多带有时异特性。基于此,本文构建固定效应时异系数广义空间自回归模型,首先采用拟极大似然(QML)方法估计模型并证明参数估计量的渐近性,其次依据贝叶斯(Bayes)公式推出参数后验分布并设计MCMC抽样,最后基于数值模拟比较两种方法在有限样本下的模拟情况,结合具体实例对比分析两种方法的实际估计效果。结果发现:一方面,两种方法的参数模拟均方误差都表现出随样本个体数目的增大而减小,表明增加观测个体数目能显著降低参数模拟偏差。另一方面,Bayes估计的均方误差都小于QML估计,说明Bayes估计比QML估计更可靠。