An Alternative to Partial Regression in Maximum Likelihood Estimation of Spatial Autoregressive Panel Data Model

• Autorzy: Alicja Olejnik , Jakub Olejnik

Warianty tytułu

Procedura alternatywna do regresji częściowej w estymacji modelu przestrzennego autoregresyjnego metodą największej wiarogodności

• Języki publikacji: EN

Abstrakty

EN

In this paper an alternative procedure to partial regression is introduced. The presented procedure can be used in maximum likelihood estimation of spatial autoregressive model. Under certain assumptions on the dimension of some invariant space associated with spatial weight matrix a feasible procedure is formulated, which can be used to handle large class of fixed effect designs. This is done at the expense of possibly decreased number of degrees of freedom in Gaussian log likelihood function. Additionally, a statement on asymptotic behaviour of presented estimator is given. (original abstract)

W niniejszej pracy wprowadzono procedurę alternatywną do procedury regresji częściowej. Opisane postępowanie może być zastosowane w przypadku estymowania parametrów modelu przestrzennego autoregresyjnego metodą największej wiarogodności. Przy pewnych założeniach dotyczących wymiaru pewnej przestrzeni niezmienniczej związanej z macierzą wag przestrzennych sformułowany jest schemat postępowania obejmujący szeroką klasę macierzy efektów stałych. W pewnych przypadkach opisana procedura może eliminować efekty stałe kosztem obniżonej liczby stopni swobody. Dodatkowo, przedstawiono własności asymptotyczne zaprezentowanego estymatora. (abstrakt oryginalny)

Słowa kluczowe

EN

Regression models; Panel model; Maximum likelihood estimation

PL

Modele regresji; Modele panelowe; Metoda największej wiarygodności

• Czasopismo: Przegląd Statystyczny
• Rocznik: 2017
• Tom: 64
• Numer: z. 3
• Strony: 323--337

Twórcy

autor

Alicja Olejnik

• University of Lodz, Poland

autor

Jakub Olejnik

• University of Lodz, Poland

Bibliografia

• Anselin L., (1988), Spatial Econometrics: Methods and Models, Kluwer Academic Publishers, Dordrecht, The Netherlands.
• Anselin L., Le Gallo J., Jayet H., (2006), Spatial Panel Econometrics, in: Matyas L., Sevestre P., (eds.), The Econometrics of Panel Data, Fundamentals and Recent Developments in Theory and Practice, 3rd edition, Kluwer, Dordrecht.
• Baltagi B. H., (2005), Econometric Analysis of Panel Data, John Wiley & Sons, Chichester West Sussex, England.
• Elhorst J. P., Fréret S., (2009), Evidence of Political Yardstick Competition in France Using a Two-Regime Spatial Durbin Model with Fixed Effects, Journal of Regional Science, 49 (5), 931-951.
• Elhorst J. P., (2014), Spatial Econometrics: From Cross-Sectional Data to Spatial Panels, Springer, Heidelberg.
• Fiebig D. G., Bartels R., (1996), The Frisch-Waugh Theorem and Generalized Least Squares, Econometric Reviews, 15 (4), 431-443.
• Frisch R., Waugh F. V., (1933), Partial Time Regressions as Compared with Individual Trends, Econometrica, 1 (4), 387-401.
• Greene W. H., (2008), Econometric Analysis, 6th edition, Prentice Hall, Upper Saddle River, N. J.
• Kelejian H. H., Prucha I. R., (2001), On the Asymptotic Distribution of the Moran I Test Statistic with Applications, Journal of Econometrics, 104, 219-257.
• Lee L.-F., (2004), Asymptotic Distributions of Quasi-Maximum Likelihood Estimators for Spatial Autoregressive Models, Econometrica, 72 (6), 1899-1925.
• Lee L.-F., Yu J., (2010), Estimation of Spatial Autoregressive Panel Data Models with Fixed Effects, Journal of Econometrics, 154 (2), 165-85.
• Liesen J., Strakoš Z., (2013), Krylov Subspace Methods: Principles and Analysis, Oxford University Press, Oxford UK.
• Olejnik A., Olejnik J., (2017), Increasing Returns to Scale, Productivity and Economic Growth - A Spatial Analysis of the Contemporary EU Economy, submitted to Argumenta Oeconomica.
• Olejnik A., Özyurt S., (2016), Multi-Dimensional Spatial Auto-regressive Models: How Do They Perform in an Economic Growth Framework?, working paper.
• Pace R. K., (2014), Maximum Likelihood Estimation, in: Fisher M. M., Nijkamp P., (eds.), Handbook of Regional Science, Springer-Verlag, Berlin Heidelberg.
• Pötscher B. M., Prucha I., (1997), Dynamic Nonlinear Econometric Models, Springer-Verlag, Berlin Heidelberg.
• Yamada H., (2016), The Frisch-Waugh-Lovell Theorem for the Lasso and the Ridge Regression, Communications in Statistics - Theory and Methods, Available online at: http://dx.doi.org/10.1080/ 03610926.2016.1252403.