空间滞后模型中Moran's Ⅰ统计量的Bootstrap检验

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.     

面板数据空间误差分量模型的空间相关性检验

将截面误差分量模型(spatial error components, SEC)扩展至面板数据, 推导其联合检验、边际检验及条件检验, 并通过Monte Carlo模拟实验证明: 当随机效应存在时, 条件检验更为有效; 当随机效应不存在时, 边际检验更为有效; 空间权重矩阵的选取与随机效应是否存在相关, 但未标准化的空间权重矩阵更适合检验空间相关性; 此外, 更大的N或T使得检验更为有效. 研究同时发现, 当真实数据生成过程为面板数据SEC模型时, 传统空间经济计量模型中的Moran I、LM-Error及LM-Lag检验均失效.     

空间滞后模型中Moran's I统计量的Bootstrap检验

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.     

空间经济计量模型Bootstrap检验功效的仿真分析

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.     

面板数据的空间Hausman检验

在空间相关性存在的情形下,经典Hausman检验不再有效。以面板数据空间误差分量(Spatial ErrorComponents,SEC)模型为例,提出面板数据的空间Hausman检验,并通过Monte Carlo模拟实验比较空间Hausman检验与经典Hausman检验的有限样本性质。研究结果表明,空间Hausman检验具有较小的水平扭曲和良好的检验功效,空间权重矩阵的选取将影响检验的有限样本性质,增大样本量使得检验更为有效;经典Hausman检验虽然检验功效较大,但存在较大的水平扭曲,不适用于空间相关性存在的个体效应判定。     

垄断制造商的供应商选择与竞争价值分配

在供应链的价值分配的研究中,引入了混合博弈和价值分配偏好的方法.探讨在制造商垄断、多个供应商处于竞争关系的情况下,制造商对供应商的选择与制造商在供应链中的价值分配偏好之间的关系.对于特殊情况,供应商的数量越大和供应量的差异越小,制造商获取供应链价值分配的偏好越大.对于一般情况,引入"竞争差值"和"竞争剩余"来刻画影响制造商价值分配的本质因素,供应商的竞争剩余之和减去供应竞争差值放大的值越小,制造商获取供应链价值分配的偏好越大.