Bootstrap方法提升空间经济计量模型的检验功效

本文主要探讨了空间经济计量模型中Bootstrap检验功效的仿真分析，针对误差项不满足经典正态独立同分布假设的情况。传统的空间相关性检验，如基于Moran's I统计量的渐近分布方法，在这种情况下功效较弱。Bootstrap方法被引入到空间经济计量模型的空间相关性检验中，通过Monte Carlo模拟实验，研究发现Bootstrap检验在不同条件下表现出不同的优势。 首先，当误差项服从正态独立同分布时，Bootstrap检验与渐近检验具有相当的效能，甚至在某些情况下Bootstrap检验更优。这表明Bootstrap方法在数据符合常见假设时也能提供可靠的检验结果。 然而，当误差项不符合正态独立同分布且存在异方差时，Bootstrap检验显示出了显著的优点，能有效提升渐近检验的功效。这意味着Bootstrap方法对于处理复杂的数据分布情况更为适用，增强了检验的稳健性。 在样本量较小的情况下，空间相关系数和空间衔接结构对检验功效有显著影响。特别是当空间衔接密度较高（如使用Queen矩阵）且空间相关系数小于零时，Bootstrap检验的效果明显优于渐近检验。这表明在处理高空间关联性数据时，Bootstrap方法的优势更加明显。 此外，研究还发现，当空间权重矩阵为Queen矩阵时，Bootstrap检验的功效曲线随着样本量的增加呈现出从“√”型向“Ｖ”型的转变，这意味着随着更多数据的纳入，Bootstrap检验的稳定性增强，对空间衔接结构的依赖度降低，提高了整体检验的可靠性。 本文的工作对于理解和改进空间经济计量模型中Bootstrap检验的方法论具有重要意义，特别是在处理非典型数据分布和小样本空间数据时，Bootstrap检验作为一种强大的工具，能够显著提升空间相关性检验的效率和准确性。这对于实证经济学家和政策制定者来说，提供了更精确的空间经济分析手段。