第二章可加模型的序列相关检验
2.1检验统计量的构造及其性质
同很多序列相关检验一样，我们要构造的检验统计量将依赖于零假设下模型拟合后的残差.对于可加模型(1.4),目前已经有多种方法提出用以拟合该模型，基于核方法(局部多项式方法)就有Backfitting估计方法，marginal integration估计方法以及smooth backfitting方法三种不同的估计技术.Backfitting方法作为一种迭代算法，已经得到了广泛的应用，在R软件中有专门的程序包.本文将利用backfitting方法去估计未知的.为了叙述的连贯性，下面我们对这一方法做简单的介绍.关于backfitting估计方法的详细介绍可参考Hastieand Tibshirani(1990)和 0psomer(2000)以及 Wand(1999).
第三章Two-way空间自回归随机效应面板数据模型的检验
3.1空间统计学基本模型和面板数据模型
3.1.1空间完全自回归模型
空间统计学有着三类基本模型：空间完全自回归模型，空间自回归-回归组合模型，空间误差成分模型。根据空间数据性质的阐述，我们知道回归分析等全局方法忽略了空间问题的空间性质不能给出空间模式的有效描述。因此在回归模型的基础上引入能够描述空间自相关和空间非平稳性的项就能有效地克服回归模型的缺陷。我们可以用标准化的空间邻接矩阵W来表示其空间临近对于因变量y的平均影响。当自变量只包含一个空间延迟项的一阶空间自回归模型时，即因变量是近邻值的加权平均和随机误差的函数，所以将这一回归模型称为完全空间自回归模型(SAR)。
第二章可加模型的序列相关检验.............................8
2.1检验统计量的构造及其...........................8
2.2数值模拟...........................10
第三章Two-way空间自回归随机效应面板...........................13
3.1空间统计学基本模型和面板数据...........................13
3. 2具有Two-way空间自回归随机效.........................15
3. 3具有Two-way空间自回归随机效应面板数据模型的.........................29
第四章总结与展望
(一)本文的主要工作
本文基于F检验和拉格朗日乘子检验方法推导出了可加模型自相关的检验统计量和Two-way空间自回归随机效应面板数据模型的参数效应检验统计量，并验证了可加模型的在不同样本下的有效性，验证结果显示检验统计量在大样本时检验效果较好，对于Two-way空间自回归随机效应面板数据模型的参数效应检验统计量分别检验了在假设一种或者两种效应存在与不存在时的检验统计量的推断。本文对在实践使用可加模型与Two-way空间自回归随机效应面板数据模型的自相关和异质性检验给出了有效的检验统计量，确使用这两类模型，拟合数据的真实模型具有一定的应用意义。
(二）研究工作的进一步展望
可加模型是非参数回归模型的一类，对于半参数可加回归模型的自相关性可做进一步的检验与验证。对于空间面板数据模型由于还存在空间滞后性，所以对于存在滞后性的一类空间面板数据模型，也可进一步的检验其空间滞,性和空间异质性，给出检验统计量。本文中对空间面板数据模型的检验统计量的渐进分布没有做进一步的证明，这是因为对于高维的矩阵W存在着冗余，计算工作量非常庞大，统计量的分布没有深入的分析和证明，这是可以做进一步的延伸研究的。
参考文献
[5]Anselin, L., Spatial Econometrics: Methods and Models. [MJ.Kluwer AcademicPublishers, Dordrecht, 1988.
[6]Anselin, L., Rao's score tests in spatial econometrics. [J],Journal of StatisticalPlanning and Inference, 2001(97):113-139.
[7]Anselin, L.，Bera, A.K.，Spatial dependence in linear regression models with anintroduction to spatial econometrics. [J].Handbook of Applied EconomicStatistics. Marcel Dekker, New York, 1998.
[8]Anselin, L., Bera, A.K., Florax, R.，Yoon, M.J., /shdxyjslw/ Simple diagnostic tests for spatialdependence. [J].Regional Science and Urban Economics, 1996(26):77-104.
[9]Anselin, L.，Florax, R., Small sample properties of tests for spatial dependence inregression models:some further results. [J].New Directions in SpatialEconometrics. Springer，Berlin，1995:21—74.
[10]Anselin, L.，Rey, S.，Properties of tests for spatial dependence in linear regressionmodels. [J]. Geo graphical Analysis, 1991(23):112-131.
