重金悬赏（核密度估计与蒙特卡洛模拟）

有人看过Duranton,  G.  and  Overman（2005）Testing for Localization Using Micro-geographic Data 这篇文章吗，我对于其中的核密度估计还有蒙特卡洛模拟不是很懂，如果有人知道，可否告知，如有帮助，必将重金感谢，论文急用！！！！

这两个都是需要编程解决的，Matlab/R会有些可以用的函数，但还是要写点代码。你的问题是需要了解点non-parametric和Simulation的东西

这两个都是Stata软件可以轻易解决的
蒙特卡洛虽然知道大概什么原理，但平时用的少，就不乱说了

核密度估计真的很简单
只是种数据局部拟合技术
一般常用的OLS、2SLS、GLS、迭代法之类的，都是全局拟合，即全部样本用于估计一组“平均”参数

而所谓局部拟合，就是对每个样本点，以其一个局部邻域范围的有限样本作估计，作为对这个样本点的估计
举个例子，假设有(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)四个样本点做拟合
OLS的全局拟合时这四个点的信息都囊括在内，估计y=a+bx 的一组参数a和b
但局部估计是这样的，就是先取一个带宽h
h一般是通过交叉核实确定的，基本思路就是对h进行迭代，以让整体残差平方和最小（交叉核实有许多衍生方法，但核心思维接近），将其作为最优带宽使用
h也可以人为指定，不过一般还是用交叉核实

然后分别以(x1,y1)、(x2,y2)、(x3,y3)、(x4,y4)四个点为中心，半带宽h/2为半径，划一个空间邻域，利用每个空间邻域内的样本进行估计
比如对(x1,y1)，落入h/2范围内的点只有(x1,y1)、(x2,y2)，就用这两个样本的信息为基础估计，作为对(x1,y1)点的估计
对(x2,y2)，落入h/2范围内的点有(x1,y1)、(x2,y2)、(x3,y3)，于是就用这三个样本的信息为基础估计，作为对(x2,y2)点的估计
以此类推

用这种方法估计出来的，直接是每个样本点都有一个对应数值解，然后将其连起来就可以得到一个任意形状的解
由于这种估计不限定函数的具体形式，这也是局部估计的“优势”

核密度估计是局部拟合中最简单的一种
就是半带宽半径的空间局部内，所有样本点取平均值作为估计
不过由于分布假设等问题，并不是直接取算术平均值，而是加权平均值，权重是由“核”决定的（一种特定函数形式的分布函数），“核”种类很多，一般是根据实际需要选择（高斯核用的多些，但这个选取其实是有随意性的）

具体操作和简单概念，您去看看陈强那本《高级计量经济学与Stata》即可
蒙特卡洛法的内涵和操作，里面也有

客观的讲，核密度估计真正的困境是在于你用这种算法得出的那些“任意”解是否真的有经济含义
尤其是局部估计中，带宽范围内可能样本稀疏，估计值很容易会出现大波动
这时你实际上很难去解释
更多只是种数学算法而已