平滑转移空间随机前沿模型的贝叶斯估计

摘要：

经济数据常存在空间相关性,忽略空间相关性会引发内生性问题,导致相应估计量有偏且不一致.空间随机前沿模型在随机前沿模型的基础上考虑了生产单元的空间相关性,更利于效率测算.然而现有空间随机前沿模型的生产函数形式单一,适用性较差,实证分析存在局限性.文章在空间随机前沿模型中引入平滑转移效应,构建了平滑转移空间随机前沿模型,该模型同时考虑了空间相关性和个体异质性,适用性较佳.为丰富估计方法,同时采用极大似然方法和贝叶斯方法估计模型,其中极大似然估计的核心在于推导对数似然函数、对数似然函数的最优化以及使用JLMS法估计技术效率,贝叶斯估计的核心在于推导未知参数的后验分布及执行MCMC抽样.数值模拟结果显示:(1)极大似然估计和贝叶斯估计的估计精度均较高,其中贝叶斯估计的估计精度略高于极大似然估计;增加样本容量,贝叶斯估计和极大似然估计的估计精度更高.(2)若忽略空间效应或者平滑转移效应,则估计精度较低.

关键词：随机前沿模型、平滑转移、空间效应、极大似然估计、贝叶斯估计

所属期刊栏目：39

分类号：O212.8(概率论与数理统计)

资助基金：广东省自然科学基金资助项目;广东省哲学社会科学项目;全国统计科学研究项目;全国统计科学研究项目

在线出版日期：2023-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：43-48