基于Spatial AIC准则的空间自回归模型变量选择研究

摘要：

变量选择直接决定着空间计量经济模型的有效程度与实证研究结果.为有效解决空间自回归模型(即SAR模型)的变量选择问题,本文利用Kullback-Laible信息量最大化,把AIC准则运用到SAR模型构建,推导出Spatial AIC统计量,提出Spatial AIC准则.然后利用统计理论证明Spatial AIC准则选择SAR模型变量的渐近最优性;利用蒙特卡洛模拟方法,比较Spatial AIC准则、经典AIC准则和Lasso方法用于SAR模型变量选择的有限大样本性质;利用空间相关的沪深300成分股股票收益率数据,采用Spatial AIC准则和Lasso方法,分别构建股票收益率财务因素的空间自相关模型,实证比较其相对有效性.三种结果均表明Spatial AIC准则能够更好地解决SAR模型变量选择问题.

关键词：空间自回归模型、变量选择、Spatial AIC准则、渐进最优性、有限大样本性质

所属期刊栏目：38

分类号：F224.0;O212(经济计算、经济数学方法)

资助基金：国家自然科学基金项目71371066,71573178,71673189;教育部人文社科规划基金项目17YJA790075;教育部人文社科青年基金项目15YJC790150;国家统计局全国统计科学研究重点项目2016LZ16

在线出版日期：2019-11-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：69-80