新经济地理学视角下服务业FDI对_省略_影响_基于面板分位数回归方法分析_王晶晶
保罗_克鲁格曼及其主要学术贡献
保罗－克鲁格曼及其主要学术贡献 保罗－克鲁格曼之所以获得诺贝尔经济学奖，是由于他在国际贸易和经济地理学领域的研究。通过揭示规模经济对贸易模式和经济活动区位的影响，他的观点为这些问题的研究提供了更为广阔的新方向。 1.诺贝尔奖评委会给克鲁格曼的获奖评语是： 通过将规模经济融入清晰的一般均衡模型，克鲁格曼加深了我们对贸易决定因素和经济活动区位的理解，他具有开拓性的研究体现在1979（a）和1980发表的关于新贸易理论的论文，以及1991（a）用新的方法研究经济地理学的论文。他与Helpman、Fujita和Venables 合写的著作展示了新理论的丰富内涵。 2.学术贡献之一：规模经济导致的产业内分工与贸易 20世纪70年代末，经济学家们如克鲁格曼（1979，1980），迪克希特和诺曼（1980，第9章）以及兰开斯特（1980），各自独立地形成了一些思想，即不存在要素禀赋差异的条件下，规模经济和不完全竞争也是可以带来贸易的。在通往国际贸易理论革命性的新方法的道路上，是克鲁格曼首先给出了最明确和有力的证明。 1979年他在Journal of International Economics发表了名为“收益递增，垄断竞争和国际贸易”的文章，建立了一个严谨而精炼的模型，表明了规模经济和消费者偏好多样性是如何创造新的贸易的：每个产业都有许多企业，所有企业都生产有差异的产品（因此市场结构是张伯伦垄断竞争的），因为存在规模经济，一个国家不可能生产世界上各种花色品种的产品。各个国家只专业化生产同一组产品内的某些产品再进行产业内贸易，能够在减少自产商品花色的同时增加国内消费者所需要的商品品种。由于自产商品种类的减少，一国能在更大规模上从事生产，从而提高生产效率和降低成本。所以，在同一产业内必然会出现双向国际贸易，其根本原因在于产品生产中存在着取之不尽的规模经济。因此，一个国家为世界市场专业化生产一种品牌的汽车，同时另一个国家专业化生产另一种品牌的汽车是有益的。此时各国都得到了规模经济的优势，与各国都独自地为国内市场生产而不参与国际贸易相比，更低的价格和更高程度的产品多样性将为世界范围内的消费者带来更多的福利。这就说明，国际贸易除了要素禀赋以外还有另一个渠道——由规模经济导致的产业内分工与贸易。 3.学术贡献之二：运输成本与贸易模式——本地市场效应 克鲁格曼于1980年在American Economics Review发表了《规模经济、产品差异与贸易模式》一文，通过引入萨缪尔森式的冰山成本，扩展了他1979(a)的模型，对本地市场效应提供了严谨的证明，解释了早在1961年林德提出的为什么会有贸易格局偏好的问题。 规模经济使得每种异质产品的生产集中在一个国家再到国际市场上去交换，但哪个国家生产哪种产品呢？或者说，贸易量确定了，贸易的方向如何确定？克鲁格曼用一个本地市场模型解决了这个问题。如果两个国家对产品的偏好有相当的不同，每个国家都会专业化生产在本国具有较大市场份额的那种产品，并且每个国家都会成为这种产品的净出口国；如果两国具有相同需求模式，那么较大的国家将会成为其生产具有规模经济特征的产品的净出口国。于是，国际分工与贸易模式是由本国市场决定的：每个国家都倾向于出口其具有较大本国市场的产品。这篇文章的价值也表现在两个方面。不仅在国际贸易理论方面，同时也在经济地理理论方面，因为本地市场效应本身就是经济地理的重要特点。只要存在报酬递增和运输成本，就会激励企业接近大的市场，生产要素就会向大的市场集中。因为生产集中能实现规模经济，而定位于大的市场，运输成本也会减少到最低限度。这样，本地市场如果对某种
面板数据模型
第十讲经典面板数据模型 一、面板数据（panel data） 一维数据: 时间序列数据(cross section data)：变量在时间维度上的数据截面数据(time series data)：变量在截面空间维度上的数据)。 二维数据: 面板数据(同时在时间和截面空间上取得的，也称时间序列截面数据（time series and cross section data）或混合数据（pool data）。 面板数据=截面数据+时间序列数据。
面板数据用双下标变量表示。例如 y i t, i = 1, 2, …, N; t = 1, 2, …, T N表示面板数据中含有N个个体。T表示时间序列的最大长度。若固定t不变，y i ., ( i = 1, 2, …, N)是随机变量在横截面上的N个数据；若固定i不变，y. t, (t = 1, 2, …, T)是纵剖面上的一个时间序列（个体）。 平衡面板数据（balanced panel data）。 非平衡面板数据（unbalanced panel data）。 例1998-2002年中国东北、华北、华东15个省级地区的居民家庭人均消费（不变价格）和人均收入数据见表1。人均消费和收入两个面板数据都是平衡面板数据，各有15个个体。
表1.中国部分省级地区的居民数据（不变价格，元）
二、面板数据模型及其作用 1.经典面板数据模型 建立在古典假定基础上的线性面板数据模型. 2.非经典面板数据模型 (1)非平稳时间序列问题的面板数据模型(面板数据协整模型) (2)非线性面板数据模型(如面板数据logit模型, 面板数据计数模型模型) (3)其他模型(如面板数据分位数回归模型) 3.面板数据模型作用 （1）描述个体行为差异。
最新张晓峒分位数回归讲义
第15章分位数回归模型 15.1 总体分位数和总体中位数 15.2 总体中位数的估计 15.3 分位数回归 15.4 分位数回归模型的估计 15.5 分位数回归模型的检验 15.6 分位数的计算与分位数回归的EViews操作 15.7 分位数回归的案例分析 以往介绍的回归模型实际上是研究被解释变量的条件期望。人们当然也关心解释变量与被解释变量分布的中位数，分位数呈何种关系。这就是分位数回归，它最早由Koenker和Bassett(1978)提出，是估计一组回归变量X与被解释变量Y的分位数之间线性关系的建模方法。 正如普通最小二乘OLS回归估计量的计算是基于最小化残差平方和一样，分位数回归估计量的计算也是基于一种非对称形式的绝对值残差最小化，其中，中位数回归运用的是最小绝对值离差估计(LAD，least absolute deviations estimator)。它和OLS主要区别在于回归系数的估计方法和其渐近分布的估计。在残差检验、回归系数检验、模型设定、预测等方面则基本相同。 分位数回归的优点是，（1）能够更加全面的描述被解释变量条件分布的全貌，而不是仅仅分析被解释变量的条件期望（均值），也可以分析解释变量如何影响被解释变量的中位数、分位数等。不同分位数下的回归系数估计量常常不同，即解释变量对不同水平被解释变量的影响不同。 另外，中位数回归的估计方法与最小二乘法相比，估计结果对离群值则表现的更加稳健，而且，分位数回归对误差项并不要求很强的假设条件，因此对于非正态分布而言，分位数回归系数估计量则更加稳健。 15.1 总体分位数和总体中位数 在介绍分位数回归之前先介绍分位数和中位数概念。 对于一个连续随机变量y，其总体第τ分位数是y(τ)的定义是：y小于等于y(τ)的概率是τ，即τ = P( y≤y(τ)) = F(y(τ)) 其中P(?)表示概率，F(y(τ)) 表示y的累积（概率）分布函数(cdf)。 比如y(0.25) = 3，则意味着y≤ 3的概率是0.25。且有 y(τ) = F-1(y(τ)) 即F(y(τ))的反函数是y(τ)。当τ=0.5时，y(τ)是y的中位数。τ= 0.75时，y(τ)是y的第3/4分位数，τ= 0.25时，y(τ) 是y的第1/4分位数。若y服从标准正态分布，y(0.5) = 0，y(0.95) =1.645，y(0.975) =1.960。 另外，如果随机变量y的分布是对称的，那么其均值与中位数是相同的。当其中位数小于均值时，分布是右偏的。反之，分布是左偏的。 对于回归模型，被解释变量y t对以X为条件的第τ分位数用函数y(τ)t|X表示，其含义是：以X为条件的y t小于等于y(τ)t|X的概率是τ。这里的概率是用y t对X的条件分布计算的。且有 y(τ)t|X= F-1(y(τ)t|X) 其中F(y(τ)t|X) 是y t在给定X条件下的累积概率分布函数(cdf)。则y(τ)t|X称作被解释变量y t对X 的条件分位数函数。而F '(y(τ)t|X)= f (y(τ)t|X)则称作分位数概率密度函数。其中F'(y(τ)t|X)表示F(y(τ)t|X)
面板数据分析简要步骤与注意事项(面板单位根—面板协整—回归分析)
面板数据分析简要步骤与注意事项（面板单位根检验—面板协整—回归分析） 面板数据分析方法： 面板单位根检验—若为同阶—面板协整—回归分析 —若为不同阶—序列变化—同阶建模随机效应模型与固定效应模型的区别不体现为R2的大小，固定效应模型为误差项和解释变量是相关，而随机效应模型表现为误差项和解释变量不相关。先用hausman检验是fixed 还是random，面板数据R-squared值对于一般标准而言，超过0.3为非常优秀的模型。不是时间序列那种接近0.8为优秀。另外，建议回归前先做stationary。很想知道随机效应应该看哪个R方？很多资料说固定看within，随机看overall，我得出的overall非常小0.03，然后within是53%。fe和re输出差不多，不过hausman检验不能拒绝，所以只能是re。该如何选择呢？ 步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993)很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al.(2002)的改进,提出了检验面板单位根的LLC法。Levin et al.(2002)指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250之间,截面数介于10～250之间)的面板单位根检验。Im et al.(1997)还提出了检验面板单位根的IPS法,但Breitung(2000)发现IPS法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher和PP-Fisher5种方法进行面板单位根检验。 其中LLC-T、BR-T、IPS-W、ADF-FCS、PP-FCS、H-Z分别指Levin,Lin&Chu t*
浅谈克鲁格曼新经济地理学理论的核心内容
浅谈克鲁格曼新经济地理学理论的核心内容09资城李家选 【内容提要】本文简要分析了新地理经济学的产生背景，介绍了新经济地理学派的代表人物克鲁格曼的主要经济地理观点。侧重于三方面：新贸易理论、空间经济模型及产业集群。最后，对克鲁格曼经济地理学的特点做以阐述。 【关键词】克鲁格曼经济地理学新贸易理论空间经济模型产业集群 一、引言 20世纪80年代兴起的新贸易和新增长理论在解释行业内贸易、专业化和无限增长方面获得长足进展，对传统贸易与增长理论做出了具有重大意义的补充。新贸易理论所揭示的专业化与贸易机制及新增长理论所阐明的“无限增长”原理与传统经济地理研究中的集聚现象的相似性，一下子拉近了这三方面理论之间的距离，这种“新经济地理学”吸收了城市经济学、区域科学和经济区位论等有关空间经济的传统思想，结合产业组织理论有关不完全竞争和收益递增模型的最新进展，试图构建“空间经济”的理论体系。新经济地理学的理论基础主要是报酬递增思想、复杂科学所强调的路径依赖和“锁定”等概念以及D-S模型。新经济地理学的研究主题主要有两个，即经济活动和经济增长的“空间集聚”和“区域集聚”。研究方法主要是采用数学定量分析，将现实中的现象高度抽象化、模型化，建立了大量的数学模型，这些模型包括：中心—外围模型、国际专业化模型、全球和产业扩散模型、区域专业化模型及历史和期望对区域发展影响的模型等。 作为新经济地理学的代表人物，保罗·克鲁格曼在亚洲金融危机爆发之前，曾
就一些国家经济的潜在危机做了的研究涉及了一系列区域发展问题，如贸易、外部经济、工业区位与聚集、战略性产业政策、全球化、历史和“路径依赖”的作用、经济和货币一体化对经济增长的影响等。本文拟对其主要内容做以介绍和分析。 二、新贸易理论 1、传统的贸易理论 亚当·斯密的绝对成本论：认为各国相同产业生产成本存在差异，贸易可使各国按生产成本最低原则安排生产而获利。 大卫·李嘉图的相对成本说：认为决定国际贸易的不是绝对成本的低廉而是相对成本的低廉。每一个国家，不管处于何种发展水平，均可生产本国相对成本低的产品，然后进行贸易。 俄林的资源禀赋说：将国际贸易的决定因素由劳动成本差别推广为生产要素投入量的相对差别，认为各国生产要素资源的相对丰裕程度是决定国际贸易产生和流向的根本原因。 十分明显，以上贸易理论均基于国家间的差异，尤其是生产要素的相对差异来解释贸易。这意味着，国家间的相似性与贸易量之间有相反的关系。然而，大量的世界贸易，大多数的经济合作与发展组织成员间的贸易，是在生产要素禀赋相似的国家进行的。而且，战后以来的大部分年份，工业国之间的贸易占这些国家收入的比例均在上升。以大多数标准衡量，这些国家在生产要素禀赋上，越来越趋于相似，它们的贸易产品种类也相似。新贸易理论就是试图解释这种贸易现象。 2、相似条件下的贸易理论 克鲁格曼的新贸易理论也承认国家之间的差异是贸易发生的原因之一，但是，他的观点与传统贸易理论有以下明显不同之处。 （1）克氏认为，国家之间的贸易，尤其是相似国家同类产品的贸易，代表了这些国家根据规模收益递增原理而发展专业化的结果，与国家生产要素禀赋差异关系不大。李嘉图等人的相对优势与贸易理论的基点是完全竞争和规模收益不变。新贸
基于面板分位数回归的辽宁省国有工业企业经营绩效影响研究
基于面板分位数回归的辽宁省国有工业企业经营绩效影响 研究 [摘要]深入研究区域国有工业企业资本结构、规模扩张特征对其经营绩效的影响方向和程度，有利于制定区域产业结构调整和化解过剩产能的政策。利用辽宁省2001―2016年国有工业企业相关数据，通过面板分位数回归测算资本结构、行业集中度及总资产增长率对经营绩效的影响。结果发现：资本结构对经营绩效的影响呈现显著倒“U”型关系，行业集中度对经营绩效的影响也是微弱的倒“U”关系。提出降低辽宁省国有工业企业的资产负债率、降低行业外延式扩张速度等对策建议。 [关键词]工业企业；资本结构；行业集中度；经营绩效；面板分位数回归 [中图分类号]F425 [文献标识码]A [文章编号]2095-3283（2018）04-0082-05 Abstract：Further study of regional state-owned industrial enterprise capital structure and scale expansion characteristics on its business performance direction and degree，is beneficial to develop regional industrial structure adjustment and the
policy of excess capacity. Based on the data of state-owned industrial enterprises from 2001 to 2016 in liaoning province，this paper calculates the influence of capital structure，industry concentration and total asset growth rate on operating performance through the regression of panel quantile regression. The results show that the influence of capital structure on business performance is significantly inverted “U”，and the influence of industry concentration on operating performance is also weak “U”. The paper puts forward some Suggestions to reduce the asset-liability ratio of state-owned industrial enterprises in liaoning province and reduce the expansion speed of the industry. Keywords：Industrial Enterprise；Capital Structure；Industry Concentration；Operating Performance；Panel Quantile Regression 一、引言 ??有工业企业在国家和地区经济发展中起到非常关键的作用，深入研究国有工业企业资本结构、规模扩张及行业集中度对其经营绩效的影响，对于制定产业政策和地区经济发展政策具有重要意义。 国内外众多学者对资本结构、行业集中度与企业绩效关系进行了广泛和深入的研究。一是资本结构与公司绩效关系
面板数据分析简要步骤与注意事项(面板单位根—面板协整—回归分析)(2)
面板数据分析简要步骤与注意事项 （面板单位根—面板协整—回归分析）步骤一：分析数据的平稳性（单位根检验） 按照正规程序，面板数据模型在回归前需检验数据的平稳性。李子奈曾指出，一些非平稳的经济时间序列往往表现出共同的变化趋势，而这些序列间本身不一定有直接的关联，此时，对这些数据进行回归，尽管有较高的R平方，但其结果是没有任何实际意义的。这种情况称为称为虚假回归或伪回归（spurious regression）。他认为平稳的真正含义是：一个时间序列剔除了不变的均值（可视为截距）和时间趋势以后，剩余的序列为零均值，同方差，即白噪声。因此单位根检验时有三种检验模式：既有趋势又有截距、只有截距、以上都无。 因此为了避免伪回归，确保估计结果的有效性，我们必须对各面板序列的平稳性进行检验。而检验数据平稳性最常用的办法就是单位根检验。首先，我们可以先对面板序列绘制时序图，以粗略观测时序图中由各个观测值描出代表变量的折线是否含有趋势项和（或）截距项，从而为进一步的单位根检验的检验模式做准备。 单位根检验方法的文献综述：在非平稳的面板数据渐进过程中,Levin andLin(1993) 很早就发现这些估计量的极限分布是高斯分布,这些结果也被应用在有异方差的面板数据中,并建立了对面板单位根进行检验的早期版本。后来经过Levin et al. (2002)的改进,提出了检验面板单位根的LLC 法。Levin et al. (2002) 指出,该方法允许不同截距和时间趋势,异方差和高阶序列相关,适合于中等维度(时间序列介于25～250 之间,截面数介于10～250 之间) 的面板
单位根检验。Im et al. (1997) 还提出了检验面板单位根的IPS 法,但Breitung(2000) 发现IPS 法对限定性趋势的设定极为敏感,并提出了面板单位根检验的Breitung 法。Maddala and Wu(1999)又提出了ADF-Fisher和PP-Fisher面板单位根检验方法。 由上述综述可知，可以使用LLC、IPS、Breintung、ADF-Fisher 和PP-Fisher5种方法进行面板单位根检验。其中LLC-T 、BR-T、IPS-W 、ADF-FCS、PP-FCS 、H-Z 分别指Levin, Lin & Chu t* 统计量、Breitung t 统计量、lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量、Hadri Z统计量，并且Levin, Lin & Chu t* 统计量、Breitung t统计量的原假设为存在普通的单位根过程，lm Pesaran & Shin W 统计量、ADF- Fisher Chi-square统计量、PP-Fisher Chi-square统计量的原假设为存在有效的单位根过程，Hadri Z统计量的检验原假设为不存在普通的单位根过程。 有时，为了方便，只采用两种面板数据单位根检验方法，即相同根单位根检验LLC（Levin-Lin-Chu）检验和不同根单位根检验Fisher-ADF检验（注：对普通序列（非面板序列）的单位根检验方法则常用ADF检验），如果在两种检验中均拒绝存在单位根的原假设则我们说此序列是平稳的，反之则不平稳。 如果我们以T（trend）代表序列含趋势项，以I（intercept）代表序列含截距项，T&I代表两项都含，N（none）代表两项都不含，那么我们可以基于前面时序图得出的结论，在单位根检验中选择相应检验模式。 但基于时序图得出的结论毕竟是粗略的，严格来说，那些检验结构均
面板数据模型的稳健分析方法研究
面板数据模型的稳健分析方法研究 在计量经济学领域,面板数据是极其重要的一类数据类型。在宏观经济的研究中,面板数据模型被广泛地应用于汇率决定理论、跨国经济增长收敛理论的检验、产业结构的分析、技术创新的研究等领域;在微观经济的研究中,面板数据模型被大量地应用于企业成本分析、就业、家庭消费等领域。 随着面板数据模型在经济领域的广泛应用,传统面板数据分析方法的某些局限性也逐渐凸显出来。首先,面板数据模型通常假定误差项服从正态分布,而实际数据很难满足这种假定,利用传统方法得到的估计可能是有偏的甚至是无效的。 其次,在数据的收集过程中,常常会由于人为因素或其他因素导致数据受到污染,即出现不合理的异常值,这样利用传统方法得到的估计与真实值可能存在较大的偏差,用这种有偏的估计结果分析经济问题会得出不合理的结论。针对这些局限性,中外学者们做了大量的工作,如构造面板数据模型的稳健估计以及研究面板数据的分位数回归模型,然而,这些方法仍存在一些不足。 首先,针对面板数据模型的稳健估计通常是利用Huber损失函数降低异常值影响,这样有两个缺点:一是稳健性不高,二是有效性较低,即估计的方差较大;其次,若面板数据的分位数回归模型中存在内生性,现有的工具变量方法计算复杂且需要估计大量的冗余参数。论文基于面板数据均值回归模型提出了一种更加稳健有效的估计方法(ELS-EL),并将此方法推广到复杂的面板数据模型如广义线性模型、部分线性模型中;此外,本文基于面板数据的分位数回归模型提出了一种两阶段的工具变量方法(2S-IVFEQR),降低了计算复杂度,并将新方法推广到动态面板数据的分位数回归模型中。 论文的主体框架分为七个章节。第一章,介绍了论文的研究背景、研究意义,
最新 面板数据的自适应Lasso分位回归方法的统计分析-精品
面板数据的自适应Lasso分位回归方法 的统计分析 一、引言 面板数据模型是当前学术界讨论最多的模型之一。传统的面板数据模型实际上是一种条件均值模型，即讨论在给定解释变量的条件下响应变量均值变化规律。这种模型的一个固有缺陷是只描述了响应变量的均值信息，其他信息则都忽略了。然而，数据的信息应该是全方位的，这种只对均值建模的方法有待改进。Koenker等提出的分位回归模型是对均值回归模型的一种有效改进，该模型可以在给定解释变量后对响应变量的任意分位点处进行建模，从而可以从多个层次刻画数据的分布信息[1]。同时，分位回归的参数估计是通过极小化加权残差绝对值之和得到，比传统均值回归模型下二次损失函数获得的最小二乘估计更为稳健[2]。 对于简单的线性模型，与分位回归方法相对应的参数点估计、区间估计、模型检验及预测已经有很多成熟的研究结果，但有关面板数据模型的分位回归方法研究文献还不多见。Koenker对固定效应的面板数据模型采用带Lasso惩罚的分位回归方法，通过对个体固定效应实施L1范数惩罚，该方法能够在各种偏态及厚尾分布下得到明显优于均值回归的估计，然而惩罚参数如何确定是该方法的一个难点[3]；罗幼喜等也提出了3种新的固定效应面板数据分位回归方法，模拟显示，这些新方法在误差非正态分布情况下所得估计优于传统的最小二乘估计和极大似然估计，但新方法对解释变量在时间上进行了差分运算，当解释变量中包含有不随时间变化的协变量时，这些方法则无法使用[4]；Tian等对含随机效应的面板数据模型提出了一种分层分位回归法，并利用EQ算法给出模型未知参数的估计，但该算法只针对误差呈正态分布而设计，限制了其应用范围[5]。以上文献均是直接从损失函数的角度考虑分位回归模型的建立及求解；Liu等利用非对称拉普拉斯分布与分位回归检验损失函数之间的关系，从分布的角度建立了含随机效应面板数据的条件分位回归模型，通过蒙特卡罗EM算法解决似然函数高维积分问题[6]；Luo等则在似然函数的基础上考虑加入参数先验信息，从贝叶斯的角度解决面板数据的分位回归问题，模拟显示，贝叶斯分位回归法能有效地处理模型中随机效应参数[7]；朱慧明等也考虑过将贝叶斯分位回归法应用于自回归模型，模拟和实证显示该方法能有效地揭示滞后变量对响应变量的位置、尺度和形状的影响[8]。 然而，上述方法均不能对模型中自变量进行选择，但在实际的经济问题中，人们在建立模型之前经常会面临较多解释变量，且对哪个解释变量最终应该留在模型中没有太多信息。如果将一些不重要的噪声变量包含在模型之中，不仅会影响其他重要解释变量估计的准确性，也会使模型可解释性和预测准确性降低。Park等在研究完全贝叶斯分层模型时提出了一种新的贝叶斯Lasso方法，通过假定回归系数有条件Laplace先验信息给出了参数估计的Gibbs抽样算法，这一工作使得一些正则化的惩罚方法都能够纳入到贝叶斯的框架中来，通过特殊的先验信息对回归系数进行压缩，该方法能够在估计参数的同时对模型中自变量进行选择[9-10]。Alhamzawi等将贝叶斯Lasso方法引入到面板数据分位回归模型中来，使得在估计分位回归系数的同时能够对模型中重要解释变
新经济地理学和经济地理学的对话_回顾和展望
第29卷第12期2010年12月 地理科学进展 PROGRESS IN GEOGRAPHY V ol.29,No.12Dec.,2010 收稿日期：2009-12；修订日期：2010-07.基金项目：国家自然科学基金项目(40535027，40871065)。作者简介：潘峰华(1982-)，男，江苏金坛人，博士研究生，主要研究方向为经济地理、产业和区域发展等。 E-mail:panfenghua@https://www.wendangku.net/doc/e014333367.html, ①https://www.wendangku.net/doc/e014333367.html,/nobel_prizes/economics/laureates/2008/press.html ②英文全称为World Development Report:Reshaping Economic Geography ③该专题名称为Economic Geography -What next?Responses to Krugman's Nobel 2008④英文全称为The New Economic Geography,Now Middle-Aged ，全文见https://www.wendangku.net/doc/e014333367.html,/~pkrugman/aag.pdf 1518-1524页 新经济地理学和经济地理学的对话 ——回顾和展望潘峰华，贺灿飞 (北京大学城市与环境学院，北京100871) 摘要：克鲁格曼获得2008年诺贝尔经济学奖，使得新经济地理学成为众人瞩目的焦点，也引起了经济地理学家对新经济地理学的再次关注。本文在介绍克鲁格曼在美国地理学年会专题报告的基础上，回顾比较了经济地理学家和经济学家眼中的新经济地理学，最后探讨了新经济地理学和经济地理学在理论前沿和政策研究方面的融合潜力。克鲁格曼在2010年美国地理学年会上全面回应了经济地理学家对新经济地理学的批评，并以经济学家的身份阐述了新经济地理学和传统经济地理学在学术范式和学术方法方面的差异，有助于消除经济地理学家对新经济地理学的误解。尽管新经济地理学的模型仍然存在很多不足，但是学者们仍然在努力完善模型，试图使模型的假设更加符合现实，从而结论更加可靠。新经济地理学的发展可以为经济地理学的学术实践提供新的视角。另一方面，尽管经济地理学家的视角和研究范式不同于经济学家，但是，传统经济地理学的研究更加贴近实际，更能够揭示现实世界的丰富性和复杂性，从而可以为新经济地理学的抽象研究在理论和实践上提供思路。在涉及政策方面的研究，新经济地理学面临的最大问题是其模型的假设严重偏离现实，因此其政策推论的可靠性值得商榷。同时，传统经济地理学的案例研究非常具体而全面，但是案例的特殊性使得其难以得到一般化的结论。在两者都存在各自的局限性的情况下，鼓励两者的交流和合作必然有助于经济地理研究的深入，并且可以为区域发展提供更加合理的政策建议。 关键词：新经济地理学；经济地理学；经济学；美国地理学年会 1引言 由于“对贸易模式和经济活动区位的分析”① ， 克鲁格曼于2008年被授予了诺贝尔经济学奖，同时，也使得“新经济地理学”成为众人关注的焦点。Fujita 和Thisse 在2008年撰文再次对克鲁格曼在新经济地理学的卓越贡献给予了肯定[1]。甚至2009年的世界银行年度世界发展报告也以“重塑经济地 理”② 为题而展开。如果说克鲁格曼于1991年出版 的《地理与贸易》标志着新经济地理学的诞生[2]，那么2008年克鲁格曼获得诺贝尔经济学奖则意味着新经济地理学被主流经济学界承认(尽管克鲁格曼获奖不仅是因为其在新经济地理学领域的贡献)。 克鲁格曼获得诺贝尔经济学奖也在地理学界 引起了广泛的讨论。2009年美国地理学年(AAG)年会，特别设立了对克鲁格曼获奖的专题讨论会③，邀请了Scott 、Storper 和Gertler 等著名经济地理学家探讨克鲁格曼获奖对经济地理学发展的影响。学者们讨论激烈甚至针锋相对，现场反响热烈，可见这个话题的确引起了很多地理学家的兴趣。在2010年于华盛顿召开的美国地理学会(AAG)年会上，克鲁格曼又受邀作了一场题为“步入中年的新经济地理学”的专题报告④，偌大的会场座无虚席；著名经济地理学家Storper 被邀请做报告的点评人。 克鲁格曼的新经济地理学既有Storper 等坚定的支持者，也有Scott 这样的否定者。虽然经济地理学家们对克鲁格曼以及新经济地理学的观点并不一致，但是不可否认的是，尽管新经济地理学诞
分位数回归及其实例
分位数回归及其实例 一、分位数回归的概念 分位数回归(Quantile Regression):是计量经济学的研究前沿方向之一，它利用解释变量的多个分位数（例如四分位、十分位、百分位等）来得到被解释变量的条件分布的相应的分位数方程。与传统的OLS 只得到均值方程相比，它可以更详细地描述变量的统计分布。 传统的线性回归模型描述了因变量的条件分布受到自变量X 的影响过程。普通最dx--乘法是估计回归系数的最基本的方法，它描述了自变量X 对于因变量y 的均值影响。如果模型中的随机扰动项来自均值为零而且同方差的分布，那么回归系数的最dx--乘估计为最佳线性无偏估计(BLUE)；如果近一步随机扰动项服从正态分布，那么回归系数的最dx--乘法或极大似然估计为最小方差无偏估计(M Ⅵ甩)。但是在实际的经济生活中，这种假设常常不被满足，饲如数据出现尖峰或厚尾的分布、存在显著的异方差等情况，这时的最小二乘法估计将不再具有上述优良性且稳健性非常差。最小二乘回归假定自变量X 只能影响因变量的条件分布的位置，但不能影响其分布的刻度或形状的任何其他方面。 为了弥补普通最dx--乘法(0Ls)在回归分析中的缺陷，Koenkel"和Pxassett 于1978年提出了分位数回归(Quantile Regression)的思想。它依据因变量的条件分位数对自变量X 进行回归，这样得到了所有分位数下的回归模型。因此分位数回归相比普通最小二乘回归只能描述自变量X 对于因变量y 局部变化的影响而言，更能精确地描述自变量X 对于因变量y 的变化范围以及条件分布形状的影响。 分位数回归是对以古典条件均值模型为基础的最小二乘法的延伸，用多个分位函数来估计整体模型。中位数回归是分位数回归的特殊情况，用对称权重解决残差最小化问题，而其他的条件分位数回归则用非对称权重解决残差最小化。 一般线性回归模型可设定如下： ()((0)),(0,1).x t t I t ρττ=-<∈ 在满足高斯-马尔可夫假设前提下，可表示如下： 01122(|)...k k E y x x x x αααα=++++ 其中u 为随机扰动项k αααα,...,,,210为待估解释变量系数。这是均值回归（OLS ）模型表达式，类似于均值回归模型，也可以定义分位数回归模型如下： 01122(|)...()y k k u Q x x x x Q ταααατ=+++++ 对于分位数回归模型，则可采取线性规划法（LP ）估计其最小加权绝对偏差，从而得到解释变量的回归系数，可表示如下： 01122min (...)x k k E y x x x ραααα----- 求解得：01122?????(|)y k k Q x a a x a x a x τ=++++
克鲁格曼在上世纪末提出解读
克鲁格曼在上世纪末提出“规模经济是国际贸易产生的原因”，他以垄断竞争模型来分析规模经济及产业内部的贸易行为，深入阐述了规模经济、不完全竞争市场结构与国际贸易之间的关系。克鲁格曼认为，在导致国际分工的各种力量中，技术显得越来越重要。技术革新可能对其他产业部门产生外溢效应，因此它在国际贸易中的重要作用需要重新估价。国际贸易可以被看作是一个生产过程，在此过程中，一国相对便宜的商品被转化为较昂贵的商品。因此，对外贸易与其他经济活动一样，完全可以由分散化的市场机制去最有效地完成。 2008年度诺贝尔经济学奖得主为美国经济学家、普林斯顿大学教授保罗·克鲁格曼(Paul Krugman)，其主要研究领域包括国际贸易、国际金融、货币危机与汇率变化理论。他创建的新国际贸易理论，解释了收入增长和不完全竞争对国际贸易的影响。他的理论思想富于原创性，常常先于他人注意到重要的经济问题，然后建立起令人赞叹的模型，为其他后来者的进一步研究奠定了基础。他被誉为当今世界上最令人瞩目的贸易理论家之一。 传统国际贸易理论是以李嘉图的“比较优势理论”为支撑的，但是当代国际贸易的实践并不能充分地支持这一论断。克鲁格曼在上世纪末提出“规模经济是国际贸易产生的原因”，他以垄断竞争模型来分析规模经济及产业内部的贸易行为，深入阐述了规模经济、不完全竞争市场结构与国际贸易之间的关系。
另外，克鲁格曼将最初的产业集聚归于一种随机性的“初始资源分配”，初始的优势因历史演化的“路径依赖”而被放大，从而产生“锁定”效应，所以产业的地理聚合具有“历史惯性或依赖性”。克鲁格曼将贸易理论和区位理论整合，通过简略的数理模型论证了产业集聚的根源。 经济地理学与国际贸易 在经济地理学领域，关键性的问题涉及到个人和企业在不同地理景观中的迁移流动，城市集聚如何兴起，以及这些城市本身如何在空间层面得到组织（城市经济学）。人们很久以来就认识到，规模经济对于经济活动的区位而言，具有决定性的作用。 20世纪80年代末，研究者们已经开始把规模经济融入区位和贸易的一般均衡模型之中，由此对早期研究者的言语分析赋予了精确性，并且开阔了新视野。在随后的研究中（如今被称为“新经济地理学”），经济地理学者们利用这些新工具，与那些对此领域有兴趣的经济学家共同付出努力。有若干位研究者参与了这些开发工作，但是其中最具影响力的贡献是由保罗·克鲁格曼作出的。 克鲁格曼在国际贸易和地理学领域发表了大量重要文章和专题论文，
面板数据分位数回归的一个简单方法
Econometrics Journal (2011),volume 14,pp.368–386. doi:10.1111/j.1368-423X.2011.00349.x A simple approach to quantile regression for panel data I VAN A.C ANAY ? ? Department of Economics,Northwestern University,2001Sheridan Rd,Evanston, IL 60208,USA. E-mail:iacanay@https://www.wendangku.net/doc/e014333367.html, First version received:May 2010;?nal version accepted:April 2011 Summary This paper provides a set of suf?cient conditions that point identify a quantile regression model with ?xed effects.It also proposes a simple transformation of the data that gets rid of the ?xed effects under the assumption that these effects are location shifters.The new estimator is consistent and asymptotically normal as both n and T grow. Keywords:Deconvolution ,Panel data models ,Quantile regression ,Two-step estimator . 1.INTRODUCTION Panel data models and quantile regression models are both widely used in applied econometrics and popular topics of research in theoretical papers.Quantile regression models allow the researcher to account for unobserved heterogeneity and heterogeneous covariates effects,while the availability of panel data potentially allows the researcher to include ?xed effects to control for some unobserved covariates.There has been little but growing work at the intersection of these two methodologies (e.g.Koenker,2004,Geraci and Bottai,2007,Abrevaya and Dahl,2008,Galvao,2008,Rosen,2009,and Lamarche,2010).This initial lack of attention is possibly due to a fundamental issue associated with conditional quantiles.This is,as it is the case with non-linear panel data models,standard demeaning (or differencing)techniques do not result in feasible approaches.These techniques rely on the fact that expectations are linear operators,which is not the case for conditional quantiles.This paper provides suf?cient conditions under which the parameter of interest is identi?ed for ?xed T and shows that there is a simple transformation of the data that eliminates the ?xed effects as T →∞,when the ?xed effects are viewed as location shift variables (i.e.variables that affect all quantiles in the same way).The resulting two-step estimator is consistent and asymptotically normal when both n and T go to in?nity.Also,the new estimator is extremely simple to compute and can be implemented in standard econometrics packages.The paper is organized as follows.Section 2presents the model.Section 3provides an identi?cation result based on deconvolution arguments.Section 4introduces a two-step estimator for panel data quantile regression models.Asymptotic properties of the new estimator are presented in the same section.Section 5includes a small Monte Carlo experiment to study the ?nite sample properties of the two-step estimator.Finally,Section 6concludes.Appendix A provides proofs of results.An estimator of the covariance kernel and the bootstrap method are given in Appendix B. C 2011The Author(s).The Econometrics Journal C 2011Royal Economic Society.Published by Blackwell Publishing Ltd,9600 Garsington Road,Oxford OX42DQ,UK and 350Main Street,Malden,MA,02148,USA. Journal The Econometrics