存在共同因子的半参数空间面板模型的理论及应用

High quality panel data have become increasingly available where individuals are tracked over time, which brings both great opportunities such as increased robustness against unobserved heterogeneity as well as challenges. One challenge is that outcomes may be interdependent across individuals and over time. A popular approach to model cross sectional dependence when a predefined spatial structure is available is to use a spatial econometric model where outcomes of individuals close by may be interdependent. Alternatively, factor models can be used where individuals are impacted by a few time varying time factors and the effect of time factors may be heterogeneous across individuals...This project seeks to create a synthesis between spatial and factor models, and focuses on the use of semiparametric methods. We will first consider the case where the explanatory variables enter the outcome equation through an unknown function. Most existing literature assumes a known linear form. Control function has been used to control for endogenous explanatory variables or endogenous network formation. We will relax the assumption that the functional form of the control function is known. Identification, estimation, asymptotic properties of the estimators and tests on linearity will be considered...We will apply the theoretical result to study a pressing issue in the Chinese economy, the issue of air pollution. Specifically we will investigate whether environmental regulation is enforced fully. If environmental regulation is strictly enforced, a city’s air quality should have no impact on its pollution intensity. The pollution activity is dependent across space due to connected industry structures and air quality is endogenous. Our semiparametric spatial panel model will be suitable for this application. Because many data in regional economics, health economics, finance, labor economics, etc. are spatial, our theoretical result has broad applications.

一个关于面板数据的前沿问题是如何处理个体间和跨时间的相关性。对于有空间信息的面板数据，可以假设个体间的相关性随两者间的距离而递减；另外一个受欢迎的方法是因子模型：存在一些随时间变化的因子，以不同的程度影响所有个体。..本课题拟将空间计量模型和因子模型结合，重点关注非参数方法在相关模型中的应用。目前关于存在共同因子的空间面板模型的研究主要集中在线性模型。我们首先将其推广到允许控制变量的函数形式是未知的。在此基础上，进一步考虑未知形式的控制函数。控制函数法可以处理内生解释变量或内生空间结构。本课题将讨论这些模型的识别、估计、大样本性质和线性假设检验。..我们将理论结果应用于空气污染这一当今中国经济的现实问题。我们将分析空气质量对企业污染排放的影响。地理上相邻的企业处在同一市场中，其污染排放决策是相关的；空气质量也是内生变量。我们的模型在区域、健康、劳动和金融等使用空间数据的领域也有广泛的应用。

不少面板数据呈现出跨个体和时间的相关性，识别产生相关性的机制是诸多经济学领域重点关注的问题，比如同伴效应、地方政府间的博弈等。不同的机制有不同的政策含义。在计量模型方面，如果有空间或网络信息，可以采取空间自回归等空间计量模型。另一个常见的方法是因子模型：存在一些随时间变化的因子，以不同的程度影响所有个体。本项目综合空间计量模型和因子模型这两种数量方法，扩展个体选择模型来分析产生个体间行为相关性的机制，关注非参数方法在相关模型中的应用，注重产生个体相关性的机制的识别，开展计量理论和实证应用研究。..我们按照研究计划进行了文献梳理、理论和实证研究、以及相关领域的自由探索。在理论方面，系统梳理了微观个体的离散选择模型的设定、参数的识别和半参数估计。我们发现，在一些多期离散选择模型中，可以利用选择集合的变化来避免依赖对特定选择的效用函数进行标准化来识别各选择的效用函数，从而避免因错误的标准化导致福利分析和反事实模拟的偏误，增强政策分析的稳健性。我们为项目的实证研究收集了环境和人口流动的数据，进行了应用空间计量模型的实证分析。基于这些数据，我们分析了2020年新冠肺炎疫情在我国的传播，基于疫情在城市内部和城市间的扩散的模型，分析人口流动管制政策的设计和优化。新冠肺炎疫情最初爆发于武汉，因此，我们将来自武汉的人口流入当作一个观测到的共同因子。我国在疫情爆发初期采取的一级相应、武汉封城等政策有效降低了感染的传播速率。模型的反事实模拟显示，截止到2020年2月29日，这些政策避免了约140万人的感染。..上述成果已经形成了多篇学术论文。其中两篇分别发表于SSCI收录的英文国际权威杂志《International Economic Review》和《Journal of Population Economics》并获年度最佳论文奖。另要有多篇项目相关论文当前仍处于投稿阶段。