论文部分内容阅读
计量经济学理论经过几十年的发展已经从单方程发展到联立方程甚至空间计量，然而对于计量经济学应用的基础--数据质量方面的研究却仍然集中在单方程。我们知道国民经济各行业间或者各个专业内部的各指标数据之间存在着密切的因果关系，单方程难以描述上述系统之间的复杂变化关系，而联立方程能更好地捕捉经济系统的特征，因而可以预见联立方程将会得到越来越多地运用，丽单方程下的数据诊断理论会显得越来越不足。数据诊断理论必然要实现从单方程到联立方程的发展。此外，世界上大多数国家的宏观经济统计数据，尤其是年度数据普遍存在小样本特征，在小样本情况下滥用渐近理论会导致错误的结论，运用宏观经济统计数据就无法绕过小样本问题。因此研究小样本宏观经济统计数据计量经济联立模型诊断理论及其应用具有重要的学术价值。本文正是在这样的背景下通过蒙特卡罗模拟的方法研究了两大类数据诊断统计量(学生化残差、Cook距离)应用到小样本、向量自回归模型(VAR)时，发生“污染”(smearing)现象的概率及其影响因素，比如样本大小、冲击大小、冲击组合、异常点个数等。“污染”现象是指数据诊断统计量不能正确判别出异常点的情况，包括把异常点判断为正常点和把正常点判断为异常点两种情况。
本文共分七章，第一章介绍本文的选题背景、意义以及研究框架。第二章是对数据诊断理论的文献综述，简要介绍了数据诊断理论的发展历程和现状。第三章介绍了向量自回归模型的相关知识，主要讨论了为什么选择向量自回归模型作为具体的联立方程形式，以及方程形式的具体设定。第四章对数据诊断统计量进行了介绍。第五章通过仿真模拟的方法研究了统计量在向量自回归模型、小样本情形下，各种因素对其犯第一类错误和第二类错误概率的影响。第六章将数据诊断理论的应用到经济增长与对外贸易关系的模型上。第七章是对全文的总结。
本文的创新之处主要体现在：第一，注重对于小样本的研究，小样本包括观测较少和待估计的参数数量过多两方面的含义。本文对于小样本的研究也是从这两个方面出发。比如样本大小，本文设定了样本大小为30、50、70下的仿真模拟，还设定了较大的100来进行比较。对于参数个数，则是通过改变方程形式来得到不同的待估计参数数量，比如二元一阶向量自回归模型有4个待估计参数，而3元向量自回归模型有9个待估计参数；第二，将联立模型数据诊断理论的研究范围进一步扩展到多个异常点情形下。多个异常点的存在会导致严重的数据污染问题，本文通过对干净数据的调整得到含有异常点的样本，进一步的细化调整过程得到多种因素的影响，比如异常点片中异常点的个数，异常点冲击的大小等；第三，为了让本文的结论更具有一般性，本文选取了多种向量自回归模型作为数据生成过程，在参数生成、样本生成等多个方面进行了一般化设定，可以说在现有条件下尽可能考虑了有代表意义的多种数据生成过程，所得结论更具一般意义。