1.4 研究的创新点和主要框架
本研究探讨了DPSEM的估计问题，将LIML估计方法引入DPSEM的估计中，证明了系数估计量的一致性，当方程只包含较低滞后期的潜变量并且参数设置较特殊时，推导了LIML系数估计量的大样本理论和大K2理论的渐近正态分布，并且讨论了LIML系数估计量有限样本性质。模拟结果显示：（1）在T/N比例合适的情况下，随着样本量的增加，系数估计值能很快收敛到真实值，而部分TSLS的估计值，在很大样本量下，也很难收敛；（2）在有限样本下，LIML的估计量的分布比TSLS的分布更靠近标准正态分布，而且部分TSLS估计量的分布有严重的偏误。
在DPSEM中，当参数设置一般或者方程中含有高滞后期的潜变量时，很难推导LIML估计量的渐近方差，因此本研究将密集计算的分块刀切法和参数自助法运用到LIML估计中，用于计算估计量的方差，并得到了分块刀切法和参数自助法的系数估计量的渐近分布。数据模拟显示：（1）在有限样本量下，运用分块刀切法的LIML的系数估计量的、分布比同样方法下的TSLS估计量的分布更接近标准正态分布；（2）分块刀切法的使用非常适合DPSEM的LIML的估计，它使得LIML估计的分布更接近标准正态分布。
由于LIML估计量有限样本分布较好地保持了大样本性质，所以本研究进一步讨论了DPSEM的估计结果的检验方法，目前还没有文献涉及这部分内容。本研究将适合LIML估计结果的检验方法引入DPSEM的LIML系数估计的检验中，提出了调整的AR检验、调整的K检验和调整的条件似然比检验。另外，根据分块刀切法和参数自助法的系数估计量的渐近分布，本研究提出了相应的Z检验。检验效果的蒙特卡罗模拟表明：（1）本书建立的分块刀切法的Z检验统计量在零假设条件下的分布和标准正态分布很靠近；（2）在本书建立的四个LIML估计结果的检验中，分块刀切法的Z检验在总体上有最大的优势。
本书余下部分的主要框架结构如下，第2章介绍动态面板结构方程模型估计的基本问题，其中涉及模型的基本形式，模型估计的假设条件，模型估计需要解决的问题和现有的估计方法的存在问题。
第3章重点阐述如何在动态面板结构方程模型中引入有限信息最大似然估计，其中包括LIML估计方法引进的思路和依据，在DPSEM中引进LIML估计需要解决的问题，DPSEM的UML系数和误差方差估计量的推导与计算，系数UML估计量的一致性的证明，以及当误差低阶序列相关且参数设置特殊时，LIML估计量渐近方差的推导，并利用模拟方法显示LIML估计的效果。
有关运用分块刀切法和参数自助法计算的LIML估计量方差的内容被安排在第4章，本章包括方差计算的重要性和存在的问题，解决方差计算的思路和根据，方差计算的具体方法以及分块刀切法LIML估计效果的数据模拟。
第5章研究估计结果的检验问题，包括现有的LIML估计结果检验的方法的介绍，现有方法引入DPSEM需要解决的问题，适合DPSEM的LIML估计结果检验统计量的构造，分块刀切法和参数自助法的Z检验的建立，以及LIML估计结果检验的蒙特卡罗模拟。
第6章是本研究的结论部分，它总结了整个研究的过程，包括DPSEM的LIML估计方法及其检验方法的优势和有待进一步解决的问题。除此之外，它还带给我们一个新的视野，提出了与动态面板结构方程模型估计相关的其他研究课题。
……
展开
