论文部分内容阅读
自上个世纪70年代起，空间计量经济学成长为一个新的研究领域，并得到了飞速发展。空间计量经济学是通过区域经济理论和地理空间数据建立空间计量经济模型，并结合空间不均匀性和空间自相关性对经济活动问题进行分析的一门经济学学科。Durbin模型是空间计量经济模型中一个非常重要的模型，它是从误差项存在相关性的空间误差模型中简化而来的（JesusandAna，2005）。由于Durbin模型可以和空间滞后模型以及空间误差模型进行互相转换，因此，Durbin模型在空间计量经济模型中扮演着枢纽的作用。但Durbin模型的参数估计和统计推断会受到数据中出现的异常值和强影响点的影响。 统计诊断的发展始于70年代中期，是统计学的重要分支之一。统计诊断对识别数据中的特殊结构，数据的统计建模具有很大的帮助。通过统计诊断方法我们可以找出严重偏离既定模型的异常点，识别出对参数估计和统计推断有较大影响的影响点。 Cook(1986)提出了局部影响分析方法，为复杂模型中影响点的识别问题提供了非常有效的工具，由此获得了广泛的应用。但在许多具有较强相关结构的时间序列模型中，当数据中出现多个及成片的影响点时，传统的局部影响分析方法并不能有效识别数据中的masking效应（BruceandMartin,1989；ShiandHuang,2011;Luetal,2012）。ShiandHuang(2011)提出的逐步局部影响分析方法，特别对识别时间序列模型中多个成片影响点中出现的masking效应具有很好的效果。本文研究了Durbin模型的局部影响分析问题，导出了在各种扰动模式下局部影响分析的诊断统计量，运用逐步局部影响分析方法给出Durbin模型中影响点的识别技术，并通过两个实例分析验证了方法的有效性。