MESS面板数据模型的估计与应用研究

论文摘要

随着学者们对空间自回归模型（Spatial Autoregression Model,简称SAR）研究的深入,空间计量经济学在计量分析中得到了广泛的应用。矩阵指数空间规范（Matrix Exponential Space Specification,简称MESS）模型作为空间自回归模型的替代,它将SAR模型中的空间效应衰减过程变为指数衰减过程。矩阵指数的良好性质使得模型求解中不含有任何雅克比式,也不需要对空间相关性系数做特别的限制。理论建模、计算和解释上的优势使得MESS模型受到了广泛关注。面板数据可获得性越来越高,使研究MESS面板数据模型成为一个亟待解决的问题。本文将MESS理论推广到面板数据,提出了一系列MESS面板数据模型,对这些模型的估计问题进行了系统性的研究,并将理论研究应用到实际数据中已验证理论模型的适用性。在理论研究方面,本文首先研究了固定效应MESS面板数据模型的估计问题。基于拟极大似然估计（Quasi Maximum Likelihood Esimation,简称QMLE）,分别对仅含有个体固定效应的MESS面板数据模型（MESS Panel Data Model only with Individual Fixed Effects,简称IF-MESSPD）和双向固定效MESS面板数据模型（MESS Panel Data Model only with Two-way Fixed Effects,简称TF-MESSPD）的设定、识别、估计和附带参数问题（Incidental Problem）进行了系统研究,对直接估计法和转换估计方法的估计和估计的大样本性质做了详细证明。对IF-MESSPD,在直接估计法下,当n趋于无穷大、T是固定的时,附带参数问题会造成方差的估计结果不一致,只有当n和T趋于无穷大时,所有的参数估计值才是一致的,并且具备良好的大样本性质。相比之下,只要n趋于无穷大,转换估计法下所有参数估计的结果均是一致的,并且具有良好的大样本性质;对于TF-MESSPD,在直接估计法下,只有当n和T均趋于无穷大时,所有的参数估计结果才是一致的。并且只有当n趋于无穷大的速度快于T的时,参数估计值的渐近分布才能恰当的以0为中心。本文也给出了直接估计法下的估计偏差的偏差修正方法。而转换估计法对所有参数的估计均是一致的,并且具有良好大样本性质;本文还提出了随机效应MESS面板数据模型（General Random Effects MESS Panel Data model,简称GRE-MESSPD）,在一系列正则性假定下,其QML估计值是一致的且渐近服从正态分布。本文还设计Monte Carlo模拟试验对上述模型参数估计结果的有限样本性质进行研究,模拟发现上述模型的QML估计值具有良好的小样本性质;最后,针对本文提出的MESS固定效应和随机效应面板数据模型构造了Hausman类型的检验统计量。通过模拟发现,所构造的检验统计量能有效识别个体效应的类别。在实证研究中,本文将理论部分的研究应用到我国上市公司财务指标对股票收益率的影响研究中。首先,本文将空间资产定价的理论模型拓展到MESS面板数据模型的分析框架;然后选取了财务指标,并通过股票收益率的空间相关性的机制构造了空间权重矩阵。其次,通过分析构建了实证模型,使用理论部分提供的方法对模型估计;最后将估计结果与SAR模型的估计结果进行比较,并且利用空间效应分解方法对股票收益率的空间效应进行分解。实证研究表明MESS面板数据模型具由良好的适用性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
•   1.1 研究背景
•   1.2 研究目的和意义
•     1.2.1 研究目的
•     1.2.2 研究意义
•   1.3 研究内容、方法和技术路线
•     1.3.1 研究内容
•     1.3.2 研究方法
•     1.3.3 技术路线
•   1.4 本文的主要贡献
• 第2章 文献综述与相关理论
•   2.1 文献综述
•     2.1.1 传统空间面板数据模型的文献综述
•     2.1.2 MESS面板数据模型的文献综述
•     2.1.3 空间视角的股票收益率研究的文献综述
•     2.1.4 文献评述
•   2.2 相关理论
•     2.2.1 空间计量基础理论
•     2.2.2 矩阵指数和矩阵指数函数的常用性质
•     2.2.3 空间计量模型中的溢出效应分析
•     2.2.4 极大似然估计与拟极大似然估计
• 第3章 固定效应MESS面板数据模型的估计研究
•   3.1 仅含有个体固定效应的MESS面板数据模型
•     3.1.1 模型的设定
•     3.1.2 模型的估计
•     3.1.3 估计的一致性和渐近分布
•   3.2 双向固定效应MESS面板数据模型
•     3.2.1 模型的设定
•     3.2.2 模型的估计
•     3.2.3 QMLEs的大样本性质
•   3.3 Monte Carlo模拟
•     3.3.1 数据生成过程
•     3.3.2 结果分析
•   3.4 本章小结
• 第4章 随机效应MESS面板数据模型的估计研究
•   4.1 模型的设定
•   4.2 模型的估计
•   4.3 估计的一致性和渐近分布
•   4.4 Monte Carlo模拟
•     4.4.1 数据生成过程
•     4.4.2 结果分析
•   4.5 本章小结
• 第5章 MESS-Hausman类型的设定检验
•   5.1 MESS-Hausman检验的设定
•     5.1.1 经典Hausman检验的设定
•     5.1.2 MESS-Hausman检验的设定
•   5.2 Monte Carlo模拟
•     5.2.1 数据生成过程
•     5.2.2 结果分析
•   5.3 本章小结
• 第6章 实证应用
•   6.1 理论模型的构建
•   6.2 数据来源与描述性统计
•     6.2.1 指标选取与数据来源
•     6.2.2 描述性统计
•   6.3 股票收益率的空间相关性研究
•     6.3.1 空间权重矩阵的构造
•     6.3.2 空间相关性检验
•     6.3.3 实证模型的构建
•     6.3.4 结果分析
•   6.4 本章小结
• 第7章 结论与后续研究
•   7.1 结论
•   7.2 不足之处与后续研究
• 致谢
• 参考文献
• 附录
• 攻读学位期间取得的研究成果

文章来源

类型: 硕士论文

作者: 冯树辉

导师: 张元庆

关键词: 面板数据,拟极大似然估计

来源: 上海师范大学

年度: 2019

分类: 基础科学,经济与管理科学

专业: 数学,宏观经济管理与可持续发展

单位: 上海师范大学

基金: 教育部人文社会科学基金项目“变系数空间面板数据模型变量选择方法及应用”(15YC790150)的一个子课题

分类号: F224

总页数: 116

文件大小: 4536K

下载量: 74