排序方式: 共有3条查询结果,搜索用时 93 毫秒
1
1.
针对空间滞后模型的估计残差,采用Wild Bootstrap方法进行空间相关性检验;进而,基于Moran's Ⅰ统计量的经验分布,从水平扭曲和功效角度比较Bootstrap检验和渐近检验的有效性.Monte Carlo实验结果显示,在经典正态假设条件下,Bootstrap检验已然同等或优于渐近检验;在更为实际的异方差、非正态假设条件下,渐近检验显著偏离,而Bootstrap检验的水平扭曲更小、功效更高.当模型不满足经典的分布假设条件,尤其是在小样本和空间衔接密度较高情况下,与渐近检验相比,Bootstrap检验更为有效. 相似文献
2.
当误差项不满足经典的正态独立同分布假设条件时,利用Moran’sⅠ统计量的渐近分布进行空间相关性检验的功效较弱.文中把Bootstrap方法用于空间经济计量模型的空间相关性Moran’sⅠ检验统计量,Monte Carlo模拟实验结果表明:从功效角度看,当误差项服从正态独立同分布时,Bootstrap检验与渐近检验同样有效,甚至优于渐近检验;当误差项不服从正态独立同分布且存在异方差时,Bootstrap检验能够有效地提高渐近检验的功效;当样本量较小时,空间相关系数和空间衔接结构等对功效有显著影响,尤其是在空间衔接密度较高的Queen矩阵和空间相关系数小于0的情况下,Bootstrap检验的功效显著大于渐近检验;当空间权重矩阵为Queen矩阵时,Bootstrap检验的功效曲线随样本量增大而从"√"型变成"V"型,对称性增强,空间衔接结构对Bootstrap检验功效的影响减弱. 相似文献
3.
针对空间滞后模型的估计残差,采用Wild.Bootstrap方法进行空间相关性检验;进而,基于Moran's I统计量的经验分布,从水平扭曲和功效角度比较Bootstrap检验和渐近检验的有效性.Monte Carlo实验结果显示,在经典正态假设条件下,Bootstrap检验已然同等或优于渐近检验;在更为实际的异方差、非正态假设条件下,渐近检验显著偏离,而Bootstrap检验的水平扭曲更小、功效更高.当模型不满足经典的分布假设条件,尤其是在小样本和空间衔接密度较高情况下,与渐近检验相比,Bootstrap检验更为有效. 相似文献
1