《表1 模型部分参数估计结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《美国科技创新对中国科技创新溢出效应的时变特征研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

根据VAR模型的滞后期判别准则，本文选择二阶滞后期。在设定参数的先验分布后，本文通过10 000次的MCMC模拟对包含四变量LT-TVP-VAR模型进行参数估计。模型部分参数的自相关系数、模拟路径和后验分布见图2，参数自相关系数最终均趋于零，表明模拟得到的样本不存在自相关性；参数模拟路径在均值附近上下波动，表明模型的抽样具有随机性；模型的后验分布也与本文设定的先验分布基本一致。表1列出了模型部分参数的估计结果，其中Geweke诊断值用于判断模型的模拟效果，无效影响因子用于判断模拟产生的不相关样本的数量，即模拟次数除以无效影响因子。所列参数的Geweke诊断值均较小，表明模型模拟效果良好，最大的无效影响因子为85.4，说明至少可以产生100个以上的不相关样本，足够用于MCMC模拟。特别地，潜在门限参数的Geweke诊断值和无效影响因子均较小，说明本文构建的LT-TVP-VAR模型具有合理性。表2列出了模型参数潜在门限的可接受率，所有的可接受率均高于50%，最高可达97.5%，说明模型本身对数据进行了优化处理，在很大程度上平滑掉了数据的大幅波动。为了进一步证明建立LT-TVP-VAR模型的科学性，本文使用同样的数据估计了一个不含有潜在门限的TVP-VAR模型，对两个模型中部分可比较参数的Geweke诊断值和无效影响因子进行对比。从对比结果来看（见表3），LT-TVP-VAR模型参数的Geweke诊断值和无效影响因子均小于TVP-VAR模型，进一步证明了LT-TVP-VAR模型更加适合本文的数据特征。