空间经济计量分析中对具体空间关系的识别,一般采用统计量渐近服从? 2分布的LM检验。然而在大量实证研究中,通常样本量有限或模型误差不服从正态独立同分布,造成空间相关性LM检验方法失效。本文采用Bootstrap抽样方法,构造Bootstrap LM统计量,即Bootstrap LM检验,研究中通过Monte Carlo实验,从水平扭曲和功效证明Bootstrap LM检验的有效性,解决小样本条件下空间关系识别难题。本文分为三大部分。第一部分是研究背景及问题提出,包括第一章和第二章。在阐述研究背景基础上,通过梳理相关研究文献,明确研究主题。第二部分阐述空间线性回归模型Bootstrap LM检验有效性的研究思路,并设计Monte Carlo模拟实验;第三部分对Bootstrap LM检验有效性Monte Carlo实验结果进行分析并报告研究结论。本文通过大量模拟实验的研究,结果显示,无论从水平扭曲还是功效角度,当空间线性回归模型误差满足空间相关性LM检验统计量渐近分布的经典假设时,Bootstrap LM检验能在一定程度上对相应的渐近检验进行改进;当模型误差不满足空间相关性LM检验统计量的经典假设,存在异方差或分布未知,且样本量较小时,LM渐近检验无法正确判断模型OLS估计残差间的空间误差关系或空间滞后关系,Bootstrap LM检验则能有效地进行空间相关性检验。概言之,本文通过模拟实验证明,无论模型误差是否服从正态分布,与渐近检验相比,空间线性回归模型Bootstrap LM检验有效。