空间回归模型估计中的最小二乘法

被引:3
作者
刘明 [1 ,2 ]
黄恒君 [1 ]
机构
[1] 兰州商学院甘肃省经济发展数量分析研究中心
[2] 中国人民大学统计学院
关键词
空间回归模型; 最大似然估计; 最小二乘估计;
D O I
暂无
中图分类号
O212.1 [一般数理统计];
学科分类号
020208 ; 070103 ; 0714 ;
摘要
空间回归模型由于引入了空间地理信息而使得其参数估计变得复杂,因为主要采用最大似然法,致使一般人认为在空间回归模型参数估计中不存在最小二乘法。通过分析空间回归模型的参数估计技术,研究发现,最小二乘法和最大似然法分别用于估计空间回归模型的不同的参数,只有将两者结合起来才能快速有效地完成全部的参数估计。数理论证结果表明,空间回归模型参数最小二乘估计量是最佳线性无偏估计量。空间回归模型的回归参数可以在估计量为正态性的条件下而实施显著性检验,而空间效应参数则不可以用此方法进行检验。
引用
收藏
页码:9 / 14
页数:6
相关论文
共 6 条
[1]   空间计量经济学理论体系的解析及其展望 [J].
胡健 ;
焦兵 .
统计与信息论坛, 2012, 27 (01) :3-8
[2]  
Semiparametric GMM estimation of spatial autoregressive models[J] . Liangjun Su. Journal of Econometrics . 2011 (2)
[3]  
Specification and estimation of spatial autoregressive models with autoregressive and heteroskedastic disturbances[J] . Harry H. Kelejian,Ingmar R. Prucha. Journal of Econometrics . 2009 (1)
[4]   A sampling approach to estimate the log determinant used in spatial likelihood problems [J].
Pace, R. Kelley ;
LeSage, James P. .
JOURNAL OF GEOGRAPHICAL SYSTEMS, 2009, 11 (03) :209-225
[5]  
Chebyshev approximation of log-determinants of spatial weight matrices[J] . R.Kelley Pace,James P. LeSage. Computational Statistics and Data Analysis . 2002 (2)
[6]   Kriging with large data sets using sparse matrix techniques [J].
Barry, RP ;
Pace, RK .
COMMUNICATIONS IN STATISTICS-SIMULATION AND COMPUTATION, 1997, 26 (02) :619-629