Bayesian單位根檢驗理論與應(yīng)用研究.pdf

1、本文以隨機系數(shù)自回歸(RCA)模型為基礎(chǔ)，對Bayesian方法在時間序列單位根檢驗和面板單位根檢驗中的應(yīng)用進(jìn)行了探索性研究。同時，利用Bayesian單位根檢驗方法對中國宏觀經(jīng)濟變量的結(jié)構(gòu)特征以及地區(qū)經(jīng)濟收斂性進(jìn)行了實證分析。
　　本文內(nèi)容共分六章。第一章在闡述本文的選題背景和研究意義之后，對頻率學(xué)派和Bayesian學(xué)派單位根檢驗的相關(guān)文獻(xiàn)進(jìn)行了回顧，并對論文的結(jié)構(gòu)安排和主要創(chuàng)新點進(jìn)行歸納總結(jié)。第二章介紹Bayesian估計和

2、假設(shè)檢驗的基本原理和方法，并對邊緣似然函數(shù)的算法進(jìn)行了拓展研究。第三章首先介紹了RCA(1)模型的序列特征以及初始值對RCA(1)過程和單位根檢驗的影響，然后在梳理總結(jié)頻率學(xué)派針對隨機系數(shù)模型的單位根檢驗方法基礎(chǔ)上，探討了基于后驗賠率的Bayesian單位根檢驗方法。第四章將Bayesian后驗賠率檢驗方法推廣至面板數(shù)據(jù)領(lǐng)域，對Bayesian面板單位根檢驗方法進(jìn)行了探索性研究。第五章采用各單位根檢驗方法分析了中國主要宏觀經(jīng)濟變量的結(jié)構(gòu)

3、特征，同時利用中國各地區(qū)人均GDP序列的單位根檢驗結(jié)果分析了地區(qū)經(jīng)濟收斂性問題。第六章是研究總結(jié)和展望，對全文研究結(jié)論加以總結(jié)并指出了進(jìn)一步研究的方向。
　　本文的創(chuàng)新性工作主要體現(xiàn)在以下幾個方面:
　　(1)在邊緣似然算法研究中，本文提出了結(jié)合積分運算和蒙特卡羅近似運算的綜合算法。作為Chen算法的一種改進(jìn)，綜合算法在繼承Chen算法“僅要求單一MCMC抽樣結(jié)果”以及“不要求具體抽樣算法”等特點的基礎(chǔ)上，充分利用了積分運算

4、的精確性和蒙特卡羅模擬運算的可行性。使用模擬數(shù)據(jù)對各算法計算結(jié)果的精確性研究也表明，綜合算法的近似效果要優(yōu)于Chen算法。
　　(2)本文將Bayesian后驗賠率(PO)檢驗方法引入到隨機系數(shù)自回歸(RCA)模型的單位根檢驗中，提出了隨機單位根的PO檢驗方法。RCA模型比AR模型更具一般性，在隨機系數(shù)均值和方差的不同假定下序列特征也更為復(fù)雜。傳統(tǒng)頻率學(xué)派的單位根檢驗方法只能針對特定一組原假設(shè)和備擇假設(shè)，不能綜合考慮RCA模型的各

5、種可能形式。Bayesian學(xué)派的PO檢驗為綜合檢驗RCA模型的各種可能形式提供了有效的解決途徑，因此，本文的研究是單位根檢驗理論的有益補充，對促進(jìn)其進(jìn)一步發(fā)展有積極作用。
　　(3)將RCA模型和PO檢驗方法推廣至面板數(shù)據(jù)領(lǐng)域，對Bayesian面板單位根檢驗進(jìn)行了探索性研究。傳統(tǒng)頻率學(xué)派針對隨機系數(shù)面板自回歸模型的單位根檢驗研究僅體現(xiàn)在個體維度，本文則分別提出了個體維度和時點維度的PO檢驗，完善了Bayesian單位根檢驗的理

6、論體系，豐富了面板單位根檢驗方法的研究。
　　(4)以SUR模型為例，結(jié)合Gibbs抽樣算法和重要抽樣算法重新測算了中國各地區(qū)的資本產(chǎn)出彈性，并以此為基礎(chǔ)計算了各地區(qū)全要素生產(chǎn)率及其增長率。結(jié)果表明，科技發(fā)展戰(zhàn)略對全要素生產(chǎn)率的提高具有顯著正效應(yīng);隨著產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，資本產(chǎn)出彈性和全要素生產(chǎn)率的關(guān)系從正相關(guān)逐漸變?yōu)樨?fù)相關(guān)，并且由此所表明的地區(qū)分工協(xié)作特征正逐步顯現(xiàn);內(nèi)陸地區(qū)的地緣經(jīng)濟特征制約了其全要素生產(chǎn)率的進(jìn)一步提高。