内容简介 · · · · · ·
本书的翻译对一些新研究者来说提供了一个令人激动的学习机会。本书介绍了空间计量经济学的建模方法,它涉及到环境保护、土地利用、交通规划、流行病、区域经济增长、劳动力市场、商品和劳动力流动、贸易流动以及地理信息等建模的研究,与之相关的实践者将会发现,空间计量经济学模型是非常有用的。
在处理由空间中的区域、区位点或区位构成的样本数据时,区位特征变量的变化,经常会对邻近区域或区位的结果变量产生影响,这种现象被称之为空间溢出。而空间回归模型能定量地分析溢出效应的大小和空间范围。关于用本书所描述的空间回归模型完成这些任务的能力,我们已经收到了大量积极的反馈。
如果使用假设特定位置观测值独立于相邻位置观测值的非空间回归方法,就会出现一些问题。例如,忽略了邻近地区空间溢出效应的收益-成本收益分析,就会低估总收益,并产生不正确的分析结果。
地理信息系统(GIS)当前和未来的发展,对特定类型区位数据进行空间计量建模的需要日益增强。在中国未来发展中,可能涉及到大量适合于空间计量学建模的现象。过去人口从农村到城市持续流动的现象,就可以用本书开始所提出的空间交互模型来解释,这些模型可以让研究者发现,出发地和目的地之间特征变量的变化,是如何影响出发地和目的地之间以及邻近出发地和目的地之间的劳动力流动。与中国经济快速增长相伴的土地使用方式的变化,它反映了对区位依赖的选择,也可使用本书最后一章中所描述的空间离散模型来分析。对于通勤者的交通使用方式,土地使用方式的变化,同时也改变了上班通勤方式和空间选择模式。中国各地高速铁路连通性的发展,也改变了地区间空间邻近的概念。地区间流动的物理距离和实际障碍的作用变化,对我们如何设定空间邻接矩阵是非常重要的,这也是本书模式比较这章中讨论的一个主题。
亚洲经济的快速增长,将会改变消费和生产的地理方式。这为研究者分析终会产生的特定区位变化提供了大量的机会;同时,在分析这些现象和做出相关政策结论时,空间计量经济学模型是特别有用的。
本书一个重要焦点,就是实践者过去在应用空间回归模型时经常对估计系数做出不当解释的问题。你会发现,对估计系数的解释如同对标准回归模型估计的解释那样,用偏导数度量了因变量(结果变量)对自变量(特征变量)变动的反应变化,这在早期的空间计量经济学文献中几乎是普遍发生的。我们会证明这将是错误的,并建议使用描述性标量度量法,它提供了一个简单的方法,可以解释一个地区相关自变量的变化对该地区结果变量的影响以及对邻近地区的溢出效应。
作者简介 · · · · · ·
詹姆斯 ∙ 勒沙杰(James LeSage),德克萨斯州立大学(圣马科斯)麦考伊工商管理学院金融经济系教授,经济学博士。勒沙杰教授是区域科学领域最有影响力的学者之一,也是该领域著作被引用次数最多的学者之一,在Journal of Econometrics, Journal of Applied Econometrics, Journal of Regional Science等国际知名学术期刊上发表论文60余篇,并为Journal of Political Economy, Review of Economics and Statistics等众多知名学术期刊审稿人。
凯利 ∙ 佩斯(R.Kelley Pace)是路易斯安那州立大学金融系教授,房地产学博士。佩斯教授的主要研究领域是房地产金融,已在Journal of Real Estate Finance and Economics, Real Estate Economics等国际知名学术期刊上发表论文20余篇。
Author(s): James LeSage / R.Kelley Pac
Series: 经济学精选教材译丛
Publisher: 北京大学出版社
Year: 2013
Language: Chinese
Pages: 308
封面
书名
版权
前言
目录
第1章 导论/1
1.1 空间依赖/1
1.2 空间自回归过程/6
1.3 一个空间溢出的实例/12
1.4 空间计量模型的作用/16
1.5 本书计划/17
第2章 空间计量模型的动因及其解释/20
2.1 时间依赖的动机/20
2.2 一个遗漏变量的动因/21
2.3 空间异质性的动因/23
2.4 外部性动因/23
2.5 模型不确定性的动因/24
2.6 空间自回归模型/25
2.7 参数估计的解释/26
2.8 本章总结/32
第3章 最大似然估计/33
3.1 模型的估计/33
3.2 参数离散程度的估计/40
3.3 具有空间依赖的遗漏变量/44
3.4 一个应用实例/50
3.5 本章总结/55
第4章 对数行列式和空间权重/56
4.1 行列式及转换/56
4.2 基本的行列式计算/59
4.3 空间系统的行列式/61
4.4 对数行列式的蒙特卡罗近似法/70
4.5 切比雪夫近似法/77
4.6 外推法/79
4.7 行列式的界限/80
4.8 逆和其他函数/81
4.9 对空间模型解释的表述/83
4.10 单一参数空间模型的闭式解/84
4.11 推导空间权重/86
4.12 本章总结/88
第5章 空间贝叶斯模型/89
5.1 贝叶斯方法/90
5.2 SAR模型的常规贝叶斯处理/92
5.3 贝叶斯空间模型的MCMC估计/96
5.4 MCMC算法/101
5.5 应用举例/102
5.6 贝叶斯空间模型的使用/104
5.7 本章总结/109
第6章 模型比较/111
6.1 空间和非空间模型比较/111
6.2 模型比较的应用实例/113
6.3 贝叶斯模型的比较/120
6.4 本章总结/133
6.5 本章附录/133
第7章 时空和空间模型/135
7.1 时空的局部调整模型/135
7.2 时空模型和SAR模型的关系/136
7.3 时空模型和SEM模型的关系/139
7.4 协方差矩阵/140
7.5 空间计量和统计模型/143
7.6 时间和空间依赖的模式/145
7.7 本章总结/147
第8章 空间计量交互模型/150
8.1 空间回归分析中区域之间的流量/151
8.2 极大似然估计和贝叶斯估计/155
8.3 空间计量交互模型的应用/159
8.4 空间计量交互模型的扩展/163
8.5 本章总结/169
第9章 矩阵指数空间模型/170
9.1 MESS模型/170
9.2 使用MESs的空间误差模型/174
9.3 模型的贝叶斯版本/180
9.4 模型的扩展/184
9.5 分数差分/192
9.6 本章总结/201
第10章 受限因变量空间模型/203
10.1 潜变量处理的贝叶斯方法/204
10.2 序数空间概率单位模型/216
10.3 空间Tobit模型/217
10.4 多项空间概率单位模型/222
10.5 空间MNP模型的应用实例/228
10.6 空间结构化效应的概率单位模型/231
10.7 本章总结/234
参考文献/235
索引/250