空间面板自回归模型的贝叶斯变量选择

沈琳琳; 徐登可; 柯诗琪

doi:10.19926/j.cnki.issn.1674-232X.2024.12.022

杭州师范大学学报（自然科学版） ›› 2026, Vol. 25 ›› Issue (4) : 445 -454. DOI: 10.19926/j.cnki.issn.1674-232X.2024.12.022

空间面板自回归模型的贝叶斯变量选择

沈琳琳, 徐登可, 柯诗琪

作者信息 +

Author information +

文章历史 +

摘要

为解决随机效应空间面板自回归模型的参数估计与高维变量选择问题，构建了适配空间面板结构的贝叶斯推断框架.采用贝叶斯自适应Lasso方法，结合Gibbs抽样与Metropolis-Hastings算法构建混合马尔可夫链蒙特卡洛(Markov Chain Monte Carlo, MCMC)抽样算法，在完成模型未知参数后验估计的同时，实现重要协变量的自动筛选.蒙特卡洛模拟结果显示，所提方法在不同空间依赖、稀疏/密集/高维等场景下均具有低偏差、高精度特征，样本量增大时估计一致性显著提升，变量识别准确率较高.实证分析表明，碳排放存在显著正向空间溢出效应，能源消耗为核心显著影响因素.所提方法在参数估计、模型拟合与变量选择方面表现稳定，可为空间面板数据建模及环境经济实证分析提供有效工具.