Parameter estimation in spatial econometric models with non-random missing data
Parameter estimation in spatial econometric models with non-random missing data
复制标题
DOI：
10.1080/13504851.2020.1758618
复制
发表时间：
2020-05-11
影响因子：
1.6
通讯作者：
Uno, Shohei
中科院分区：
文献类型：
--
作者：
Seya, Hajime;Tomari, Masashi;Uno, Shohei
本文研究了具有非随机缺失结果数据的空间计量经济学/社会互动模型中的参数估计问题。首先，我们构建了一个考虑空间滞后(自回归)相关性的样本选择模型。然后，通过对已有研究中提出的贝叶斯马尔可夫链蒙特卡罗算法稍作修改，提出了一种适用于该模型的参数估计方法。一个简单的例子表明，即使在较高的缺失率(约40%)下，当空间自相关性适中(空间参数等于或小于0.5)时，所提出的参数估计方法总体上表现良好。
This study examines the problem of parameter estimation in spatial econometric/social interaction models with non-random missing outcome data. First, we construct a sample selection model considering spatial lag (autoregressive) dependence. Then, we suggest a parameter estimation method for this model by slightly modifying the Bayesian Markov chain Monte Carlo algorithm proposed in an existing study. A simple illustration indicates that the proposed parameter estimation method performs well overall if the spatial autocorrelation is moderate (spatial parameter equals 0.5 or less), even under a relatively high missing data ratio (around 40%).