（山东大学经济研究院）

【摘要】 在空间面板误差模型中，由于空间误差项和随机效应项相关，构建随机效应检验统计量时无法直接采用传统的F检验；同时，如果面板数据在时间维度上存在序列相关，要检验随机效应将变得更加困难。本文主要研究在扰动项存在序列相关的情况下如何构建空间面板误差模型中随机效应的稳健检验统计量。相应的有限样本性质通过蒙特卡罗模拟给出。

关键词    随机效应 局部误设 广义矩估计 空间误差效应

中图分类号  F224.0            文献标识码 A

Testing Random Effect for Panel Data Model with Spatial Error Correlation

Zhang Jinfeng

(The Center for Economic Research, Shandong University)

Abstract：Due to correlation between the spatial error term and the individual effects, the classical F test can not be directly applied to the panel data model with spatial error correlation. In this paper, a test is derived, which is robust to local misspecification under the serial correlation in the error over time. The small sample performance of the test is investigated using Monte Carlo experiments.

Key words: Random effect, Local misspecification, GMM, Spatial error effect

本论文受到山东大学山东发展研究院2011年度基础研究项目资助（2011JC002）

一、引 言

众所周知，面板数据模型在减少多重共线性、控制遗漏变量和测量误差及模型预测等方面均优于截面数据模型。不过，采用传统面板数据模型进行经济分析时所依赖的一个潜在假定是截面之间相互独立。在诸如对一国经济增长等问题的研究中，如果忽视各省份之间的空间相关关系而单纯地假定它们之间是相互独立的，极有可能得到错误的结论。

在空间计量经济学文献中，Anselin (1988) 首次对空间面板模型作了较为系统的论述。Elhorst (2003) 将空间面板模型划分为八类，并讨论了相应的极大似然估计(MLE)方法。空间面板模型通常可划分为空间面板滞后模型和空间面板误差模型。其中，空间面板误差模型又可分为两类，第一类假定空间误差相关存在于除个体效应项之外的扰动项[2]，而不存在于个体效应项中。这类模型最早见于Anselin(1988)，是目前被广泛应用的模型，如Baltagi, Song and Koh (2003) 、Elhorst (2003)和Anselin、Le Gallo and Jayet (2005)等。第二类假定空间误差相关同时存在于个体效应项和扰动项，这类模型由Kapoor、Kelejian and Prucha (2007) 提出，可采用广义矩（GMM）估计，便于计算，但不能区别对个体永久性冲击的空间溢出效应与对个体暂时性冲击的溢出效应。本文仅考虑第一类模型。

对空间面板误差模型的检验一般考虑两个方面，第一个方面是在假定固定效应或随机效应的情况下对空间误差效应进行检验；该类检验可看做是传统空间截面模型中空间误差效应检验的简单推广。第二个方面是在假定存在空间误差效应的情况下对随机效应进行检验。此时，由于空间误差项和随机效应项相关，无法直接采用面板数据模型中的传统F检验；而且，如果面板数据在时间维度上存在序列相关，要检验随机效应将变得更加困难。文献上，Baltagi et al. (2007)建议了当扰动项存在序列相关时空间面板误差模型中用来检验随机效应的检验，但他们的检验依赖于MLE估计量，当样本量较大，会存在非常大的计算困难。如何构建既能有效检验空间面板误差模型中的随机效应又便于计算的检验统计量成为亟待解决的问题。

本文在参数局部误的框架下构建当扰动项存在序列相关时构建空间面板误差模型中随机效应的稳健检验统计量。该检验既考虑了参数局部误设的影响，又无需采用MLE方法估计模型，可以极大地简化计算。