大数据环境下非线性空间计量模型研究及其应用

In big data era, along with the fast development of internet and information technology, economists can obtain mega data in areas such as internet finance, product platform, social network, regional development, international trade and so on. These data can exhibit spatial (or cross-sectional) dependence. In the background of big data era, computer technology increases the availability of spatial data in terms of both sample size and variable dimension, which further increases the difficulty of parameter estimation and inference. In economics, estimation and inferences with big data is one of the new areas in econometrics. Meanwhile, spatial econometric techniques which deals with spatial (cross-sectional) correlation have developed fast recently. However, most of the research has focused on linear regression models. There are still a lot of problems unsolved in nonlinear models. First, we study estimation methods of nonlinear models of spatial processes in the framework of M-estimation. We propose a two-step estimator--generalized estimating equations (GEE) in aim to improve estimation efficiency. We will derive the asymptotic distribution of the GEE estimator. Second we use a probit model and a Poisson regression model to demonstrate the GEE procedure. Second, we try to solve difficulties in nonlinear estimation with big data and high-dimensional variables. Third we will carry on Monte Carlo simulations to verify consistency and efficiency of the proposed estimators for above estimators. Finally we will collect data, apply the above econometric techniques in solving empirical economic problems, and provide evidence for China’s economic policy evaluation.

在大数据的时代背景下，互联网、信息技术突飞猛进，经济学者们在创新企业研究，产品网络平台，社会网络、国际贸易等领域都可以得到存在空间相关的海量数据。在此背景下，空间数据的可得性增大，包括样本量增大和变量维度增大，给参数估计和假设检验提出了新的问题。在经济领域利用大数据确定变量之间的因果关系及假设检验还属于计量经济学领域的新兴方向。同时，空间计量方法近年来迅速发展，但非线性模型的研究还有很多尚未解决的问题。如何在大数据背景下，使用非线性空间模型尚未有人探索。首先，本课题将在M估计（M-estimation）的框架下研究一般非线性空间模型的估计方法。其次，我们将探索大样本数据以及高维变量在非线性模型估计中的难点问题。再次，我们将使用蒙特卡罗计算机模拟方法来试验本课题中计量方法的优点。最后本课题将收集数据，探索非线性空间计量模型的实证应用，为实证经济研究者提供方法，为中国经济政策评估提供参考依据。

本项目研究了在大数据背景下非线性空间数据的估计，主要有以下几个方面。.首先，我们在类最大似然估计方法的框架下使用广义估计方程的方法（GEE）研究了空间数据线性模型的估计。为了提高估计的有效性，对于Poisson模型和Probit模型，利用在误差项的空间关联，我们使用了分组方法来使用数据的相关性。在温和的弱相关假设条件下，我们提供了估计的一致性和趋近的正态分布理论。蒙特卡洛计算机模拟比较了几种不同的估计方法，并证实了我们提出的方法有估计效率的提高。我们最后使用了国际贸易数据来验证了GEE方法在实证估计中的有效性。. 其次，我们用一个特殊的似最大似然估计方法（QGLS）估计了空间误差数据，证明QGLS方法具有一致性和趋近正太分布，在大样本量情形下简化了估计方法，并且提出了对于异方差和空间相关都稳健型方差的估计方法。. 再次，我们提出了一个广义矩方法，将两种最小二乘方法所用的工具变量相结合，选择这组变量重新构建一个广义矩方法，这种方法至少比最小二乘估计和广义最小二乘估计都要有效。我们将这个方法应用到家庭资产方程的估计当中。. 最后，我们用Poisson GEE模型研究一带一路国家中，文化距离和机制距离对国际贸易量的影响。近期中国提出了一带一路倡议引起了国际社会广泛关注，我们用2002年至2016年99个国家在产品种类上面的双边贸易，包括出口额，进口额和进出口总额。其中38个国家属于一带一路沿线国家。 我们将引力模型的距离变量扩展到地理、文化、机制三个维度，用泊松分布估计了拓展的引力方程，计算了文化和机制距离的beta系数。我们发现，文化距离和机制距离对中国对外贸易都有阻碍作用。我们做了双重差分分析，一带一路倡议的提出减少了中国和一带一路沿线国家贸易中的文化距离的阻碍作用，但是增加了机制距离对中国对一带一路国家出口发挥的作用。这说明中国的一带一路倡议在促进贸易的大框架下，可以注重各国文化和体制建设和合作，促进双边贸易。