本网讯（通讯员 谭杰丹）3月20日下午，经济学院2019年第九次学术讲座——计量经济学讲座（八）在经济学院106教室举行。来自伦敦政治经济学院（LSE）的Peter M. Robinson教授做了题为“Adaptive Inference on Pure Spatial Models”的精彩报告。

报告之前，经济学院院长张建华教授，王少平教授等老师和特约嘉宾孙一啸教授在307会议室与Robinson教授开展了座谈会，在座谈会中张建华教授赠与Robinson教授纪念品，并授予了游艇会线路检测中心荣誉教授的聘书。之后Robinson教授与经济学院众多学者一起交流讨论，现场学术氛围浓厚。

Robinson教授此次报告的主要内容是，在存在未知非参数，分布形式的各种纯空间模型中渐近有效的自适应测试和估计，提出一种缺乏空间依赖性的自适应拉格朗日乘数测试程序，并将其扩展到覆盖具有空间相关误差的回归。随后验证了自适应估计的可行性，发现其对相对于具有解释变量的模型的高斯伪极大似然的有效性提高小于或大于取决于空间权重矩阵的对称性以及该矩阵是否具有消极的，也是积极的因素。报告涵盖了一类一般的半参数空间模型，除了未知分布外，还允许参数和/或权重矩阵的非线性。

Robinson教授首先指出，引入空间自回归（SAR）模型来模拟空间相关性，这与Moran（1950）早期关于空间相关性测试的工作相呼应。他考虑一般类空间模型，其涉及空间依赖性参数和用户指定的权重矩阵的已知但可能非线性的变换，但是未知的，并且因此可能是非高斯的形式的扰动分布。这种未知的扰动分布促使了自适应估计和测试的开发，检验发现这些估计和测试与基于正确指定的参数分布的估计和测试一样有效。在此之前，Robinson教授在2010年对具有解释变量的空间自回归考虑了自适应估计。发现与基于有效性较差的估计相比，这种自适应估计的Wald和似然比检验统计数据具有更好的有效性。此外，他还提供了自适应拉格朗日乘数 （LM）测试，其优势在于仅基于受限模型。虽然高斯LM测试具有与高斯伪最大似然估计（PMLE）相同的稳健性，但是自适应LM测试可以实现有效性提升的空间。Robinson教授还将结果扩展到包括线性回归模型的误差项中的空间相关性测试。

紧接着，Robinson教授介绍了与MLE相对应的信息矩阵，其形式表明在估计配对参数时可以适应未知的扰动项分布形式，从而提高有效性。然后Robinson教授详细介绍了他提出的的估计及其渐近分布，并将介绍的扰动项的得分函数的非参数估计用于第5节，以构建缺乏空间相关性的自适应LM检验，包括线性回归中的误差。随后，Robinson教授介绍了自适应估计和LM检验的有限样本性能的小型蒙特卡罗研究的结果。发现与PMLE相比，估算和测试都显示出显著的效率提升，而LM测试显著低于Wald测试。并将这种自适应估算和测试程序应用于103个意大利省的财产犯罪率的横截面数据进行实证检验。这些数据来自Buonanno，Montolio和Vanin2009年的论文，他们研究了社会资本对犯罪率的影响。他们的数据包含（报告率调整后的）三种罪行的犯罪率（Y）：抢劫，盗窃和偷车;四种不同的社会资本衡量标准（SC），以及一套人口统计学，社会经济学和地理控制（DSG）。为了解释各省可能出现的犯罪空间溢出效应，Buonanno等人于2009年将混合回归SAR模型与三个不同的权重矩阵W选择拟合，一个基于每个省的首都城市之间的道路行驶距离的倒数，一个基于其地理坐标之间的欧几里德距离的倒数，一个基于各省之间的简单邻接。

Robinson教授关注的是每10万居民（血液）的献血次数以及社会资本的衡量标准，因为在Buonanno等人（2009年）的四项社会资本指标中，它最不可能受到内生性的影响。其他两个权重矩阵的标准误差与使用道路行驶距离权重矩阵获得的标准误差非常相似，并且不影响任何系数估计的显着性。在两个模型中，显著系数的符号是相同的，尽管长度，城市化和清除的幅度显著性有所不同。在混合SAR模型中存在空间滞后项将具有这些控制变量的一些解释力。

讲座结束后，在场的经济学院的教授学者以及学生纷纷对Robinson教授进行提问，比如关于Robinson教授提出的自适应检测程序的时效性和有效性假定是否适当放松；不同城市不同的截面数据可能会对自适应检测程序的有效性产生不同程度的影响：武汉和北京两大主要城市可能在检测程序中会有不同的表现力等，Robinson教授进行了详细的解答，并给与我院师生高度评价。

Robinson教授来自伦敦政治经济学院，自1995年开始成为该院经济系的Tooke Professor of Economic Science and Statistics，在此前他曾在哈佛大学，英属哥伦比亚大学，萨里大学任教。Robinson教授所获荣誉众多。除了被授予国际统计学会会员，世界计量经济学会会士，国际数理统计学会会士等荣誉称号，他还当选为英国国家学术院院士。Robinson教授的研究兴趣主要是时间序列，空间计量分析，非参数及半参数统计推断。目前他已发表了近200篇论文于各类经济学和统计学的顶级期刊上，是享誉世界的计量经济学和统计学大师。Robinson教授目前担任Annals of Statistics和Statistical Inference for Stochastic Processes的副主编，并且也是Journal of Econometrics的执行委员会成员。在此前他也担任过Econometrica, Journal of Econometrics, Econometric Theory和Journal of Time Series Analysis的联合主编。