如何在潜在因子模型中检测网络依赖性?一种经过偏差校正的CD检验方法

《Econometric Theory》:HOW TO DETECT NETWORK DEPENDENCE IN LATENT FACTOR MODELS? A BIAS-CORRECTED CD?TEST

【字体: 大 中 小 】 时间:2026年01月13日 来源:Econometric Theory 1

编辑推荐:

  面板数据中空间误差依赖的CD检验有效性及修正研究。针对潜在因子面板数据模型CD检验过拒真问题,提出改进版本并验证其标准正态性及对网络型替代假设的效力,适用于含潜在因子面板回归及序列相关误差情形,蒙特卡洛实验显示修正检验在小样本中表现良好。实证发现美国377个都市区房价变化数据中仍存在空间误差依赖。

  

摘要

在最近的一篇论文中,Juodis和Reese(2022年,《商业与经济统计杂志》,40卷,第1191-1203页)指出,将Pesaran(2004年,《面板数据中横截面依赖性的通用诊断检验》,CWPE 0435,剑桥)提出的CD检验应用于含有潜在因子的面板数据的残差时,会导致过度拒绝(即错误地拒绝原假设)。他们提出了一种随机检验统计量来纠正过度拒绝的问题,并增加了一个筛选组件以提高检验的功效。本文从不同的角度探讨了相同的问题,结果表明,如果潜在因子较弱,标准的CD检验仍然是有效的。他们提出了一种经过偏差校正的CD检验版本(CD$^{*}$),在错误为横截面独立性的原假设下,该检验具有渐近标准正态性,并且能够有效检验网络型替代假设。这一结果不仅适用于纯潜在因子模型,也适用于含有潜在因子的面板回归模型。同时,论文还考虑了误差存在序列相关性的情况。通过蒙特卡洛实验研究了CD$^{*}$检验的小样本性质,结果表明其具有令人满意的小样本性能。在一个实证应用中,使用CD$^{*}$检验发现,即使排除了潜在因子的影响,美国377个大都市统计区域的真实房价变化数据模型中仍然存在空间误差依赖性。



脚注

我们感谢Peter C. B. Phillips(编辑)、Guido Kuersteiner(联合编辑)以及三位匿名审稿人的深思熟虑的评论和建设性建议。我们还要感谢Natalia Bailey、Alex Chudik、Zhan Gao、Arturas Juodis、Ron Smith、Simon Reese和Qiankun Zhou提供的有益意见。Yimeng Xie感谢中国国家自然科学基金(项目编号72303193)的支持。本文的研究是在Yimeng Xie作为南加州大学博士生期间完成的。本文之前曾以“含有潜在因子的面板数据模型中误差横截面依赖性的偏差校正CD检验”为标题进行过传播。https://arxiv.org/abs/2109.00408。


相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号