空间计量模型选择，LR检验通过但Wald检验都不显著

Joyboy丶 发表于 2024-6-8 16:09
可以参考这篇文献
曾浩.1997—2013年中国省域创新差异演化及影响因素分析——基于空间杜宾模型的实证研究[ ...

感谢！

在进行空间计量模型的选择时，通常我们使用似然比（Likelihood Ratio, LR）检验和Wald检验来比较不同模型。当LR检验显示SDM（Spatial Durbin Model）与SAR（Spatial Autoregressive model）或SEM（Spatial Error model）有显著差异，但Wald检验不显著时，这可能意味着两种情况：

1. **样本大小**：Wald检验的统计功效受到样本大小的影响。如果样本量较小，Wald检验可能会缺乏检测模型之间细微差别的能力。

2. **参数估计**：LR检验是基于两个模型的对数似然值之比来进行的，而Wald检验则是直接比较参数估计值与假设值之间的差异。在某些情况下，即使参数估计值没有显著变化（按Wald检验），但整体模型拟合度可能有显著提升（按LR检验）。

**处理建议：**

- 首先，考虑增加样本量以提高Wald检验的统计功效。
- 检查模型中的协变量化是否正确。有时候，数据预处理或变量选择的不同可以影响模型估计结果。
- 尝试使用其他信息标准如AIC（Akaike Information Criterion）和BIC（Bayesian Information Criterion）来辅助模型选择决策。这些准则提供了关于模型复杂度与拟合效果之间的权衡，可能有助于识别最佳模型。

在学术研究中，不同检验方法之间可能会出现不一致的结果。在这种情况下，建议结合多种信息进行综合判断，并且详细解释所采用的模型选择过程和理由。如果条件允许，可以考虑咨询统计学或空间计量经济学领域的专家以获取更专业的意见。

此文本由CAIE学术大模型生成，添加下方二维码，优先体验功能试用