海南市縣過夜游客人數(shù)與飯店行業(yè)特征關(guān)系研究※——基于17個(gè)市縣面板的計(jì)量分析

袁奧博 徐 艷

(1.西南財(cái)經(jīng)大學(xué)金融學(xué)院，四川 成都 611130;2.海南大學(xué)經(jīng)濟(jì)與管理學(xué)院，海南 ?？?570228)

海南省旅游資源豐富，旅游業(yè)在海南國民經(jīng)濟(jì)中占據(jù)重要的地位，是海南省主要支柱產(chǎn)業(yè)之一。2010年海南國際旅游島建設(shè)上升為國家戰(zhàn)略，海南省經(jīng)濟(jì)、社會(huì)、文化和生態(tài)建設(shè)都取得了長足的進(jìn)步，旅游業(yè)的發(fā)展更為繁榮。旅游業(yè)的可持續(xù)性發(fā)展對其他領(lǐng)域的可持續(xù)發(fā)展具有一定的促進(jìn)作用，而整個(gè)社會(huì)的可持續(xù)發(fā)展又為旅游業(yè)創(chuàng)造了良好的條件。其中，旅游業(yè)對餐飲、住宿的助推作用越來越明顯。飯店行業(yè)在滿足商務(wù)會(huì)展、旅游休閑等消費(fèi)需求的同時(shí)，已成為一個(gè)地區(qū)或城市經(jīng)濟(jì)社會(huì)發(fā)展水平、經(jīng)貿(mào)活躍程度和對外總體形象的重要標(biāo)志。近年來海南省旅游飯店業(yè)規(guī)模迅速擴(kuò)大，整體素質(zhì)不斷提升，市場影響力持續(xù)增強(qiáng)，構(gòu)成了海南省旅游競爭力重要方面，為促進(jìn)海南服務(wù)業(yè)繁榮發(fā)展和旅游服務(wù)水平整體提升做出了積極貢獻(xiàn)。旅游業(yè)的發(fā)展離不開飯店行業(yè)的發(fā)展和支持，飯店業(yè)給游客提供休息和服務(wù)，并留下良好印象，優(yōu)質(zhì)的飯店服務(wù)有助于提升海南國際旅游島的形象。

對同在海南國際旅游島的各個(gè)市縣來說，相互之間也存在競爭，如各地通過深度開發(fā)具有本地特色的旅游產(chǎn)品來吸引游客。本文要研究的是海南省各市縣過夜游客人數(shù)與當(dāng)?shù)仫埖晷袠I(yè)特征的關(guān)系，因?yàn)楦鞯爻碎_發(fā)特色旅游產(chǎn)品和提升旅游服務(wù)水平吸引游客以外，還能通過建設(shè)高水平的飯店來吸引游客。一個(gè)地方游客過夜人數(shù)的增加，除了給飯店業(yè)帶來更多收入以外，還意味著當(dāng)?shù)貪撛诘钠渌糜蜗嚓P(guān)行業(yè)收入的增加，如游客在當(dāng)?shù)剡^夜后有在當(dāng)?shù)氐慕煌ㄐ枨?，也可能同時(shí)對當(dāng)?shù)芈糜萎a(chǎn)品和當(dāng)?shù)靥禺a(chǎn)產(chǎn)生興趣，進(jìn)而形成旅游消費(fèi)行為，對當(dāng)?shù)厥杖氘a(chǎn)生正向影響。

本研究的意義在于，由于不同地區(qū)的飯店業(yè)有著不同的發(fā)展水平，進(jìn)而不同地區(qū)的飯店特征不同，研究飯店特征是否是吸引游客在當(dāng)?shù)剡^夜的因素，首先有助于解釋不同地區(qū)旅游人數(shù)和旅游收入的變化;同時(shí)，找出那些顯著影響過夜游客人數(shù)的飯店特征，有助于各地根據(jù)相應(yīng)的結(jié)論對當(dāng)?shù)氐娘埖晷袠I(yè)進(jìn)行改善，提升當(dāng)?shù)芈糜螛I(yè)的競爭力，從而提升整個(gè)海南島的旅游服務(wù)能力和競爭力;最后，當(dāng)前關(guān)于飯店行業(yè)與旅游業(yè)之間關(guān)系的相關(guān)研究是缺乏的，本文的研究可以為填補(bǔ)部分研究空白做出一定貢獻(xiàn)。

1 變量定義與數(shù)據(jù)選取

本研究主要考慮的解釋變量為飯店行業(yè)特征，包括各市縣飯店總數(shù)、客房總數(shù)、床位數(shù)、整體飯店服務(wù)水平和發(fā)展規(guī)模水平，被解釋變量則是過夜游客人數(shù)，各個(gè)特征和變量相應(yīng)地定義為當(dāng)?shù)仫埖昕倲?shù)(家)、客房總數(shù)(間)、床位總數(shù)(張)、星級飯店占飯店總數(shù)的比例、擁有100間客房以上的星級飯店占飯店總數(shù)的比例和旅游飯店接待過夜游客總?cè)藬?shù)。本文認(rèn)為，飯店數(shù)量、客房數(shù)量、床位數(shù)量、飯店服務(wù)水平和飯店規(guī)模發(fā)展水平等這些飯店特征均是對海南旅游業(yè)發(fā)展有正向影響的特征因素，這些飯店特征的數(shù)據(jù)值升高代表著當(dāng)?shù)仫埖晷袠I(yè)的容納能力、發(fā)展水平和服務(wù)質(zhì)量等，都將增加海南各市縣旅游者的吸引力。

本研究使用的數(shù)據(jù)是2006—2012年海南省各個(gè)市縣的面板數(shù)據(jù)，海南省共19個(gè)市縣，由于昌江縣和三沙市數(shù)據(jù)空白，故選取共17個(gè)市縣的數(shù)據(jù)進(jìn)行研究，相關(guān)數(shù)據(jù)來源于歷年《海南統(tǒng)計(jì)年鑒》。對過夜游客人數(shù)、飯店數(shù)量、客房總數(shù)量和床位總數(shù)量四個(gè)變量取自然對數(shù)處理，分別用符號表示為 lntts、lnhs、lnhr和 lnhb，飯店服務(wù)水平和飯店發(fā)展規(guī)模水平兩變量不做處理，分別表示為hsl和hdl。最終數(shù)據(jù)的描述性統(tǒng)計(jì)量見表1。

表1 數(shù)據(jù)描述性統(tǒng)計(jì)

2 建模初步

2.1 單位根和協(xié)整檢驗(yàn)

在計(jì)量建模前要考慮避免使用非平穩(wěn)數(shù)據(jù)出現(xiàn)偽回歸，使用llc、ht、dfuller和 pperron面板單位根檢驗(yàn)對面板數(shù)據(jù)序列進(jìn)行平穩(wěn)性檢驗(yàn)。為避免篇幅過大，這里不列出單位根檢驗(yàn)結(jié)果(和Kao協(xié)整檢驗(yàn)結(jié)果)。單位根檢驗(yàn)結(jié)果表明在1%的置信水平下lntts水平平穩(wěn)，其他變量一階平穩(wěn)，為I(1)單位根過程。根據(jù)張曉峒(2001)在多元回歸分析中被解釋變量的單整階數(shù)不能高于任何一個(gè)解釋變量的單整階數(shù)，［1］該面板數(shù)據(jù)單位根過程符合協(xié)整前提條件。使用Kao檢驗(yàn)對面板進(jìn)行協(xié)整檢驗(yàn)，以檢測數(shù)據(jù)之間是否存在長期穩(wěn)定的關(guān)系。協(xié)整檢驗(yàn)結(jié)果表明在1%的置信水平下旅游人數(shù)與各飯店特征存在協(xié)整關(guān)系，其關(guān)系是長期穩(wěn)定的，進(jìn)行計(jì)量回歸分析不會(huì)出現(xiàn)偽回歸。

2.2 普通模型估計(jì)

出于對估計(jì)結(jié)果的謹(jǐn)慎性，為避免單一估計(jì)模型造成的統(tǒng)計(jì)偏誤使得出現(xiàn)有偏的結(jié)論，同時(shí)使用5種常用的估計(jì)模型進(jìn)行參數(shù)估計(jì)，分別是混合效應(yīng)模型(ME)、隨機(jī)效應(yīng)模型(RE)、固定效應(yīng)模型(FE)、極大似然估計(jì)法模型(MLE)和面板修正誤差模型(PC)，這些普通模型的建立有助于初步了解飯店行業(yè)特征與過夜游客人數(shù)之間的關(guān)系，模型的參數(shù)估計(jì)見表2。在表2的普通模型參數(shù)估計(jì)結(jié)果中，lnhs和lnhb系數(shù)顯著為正，意味著飯店數(shù)量和床位數(shù)的增加將導(dǎo)致游客人數(shù)的增加。飯店數(shù)量和飯店床位總數(shù)雖然都對過夜游客人數(shù)有正向影響，但其作用路徑機(jī)制是不同的，前者是通過自助游游客，后者是通過旅行團(tuán)游客。由于自助游游客不容易獲取各地客房數(shù)和床位數(shù)的信息，選擇在哪個(gè)市縣的飯店住宿時(shí)主要考慮的是當(dāng)?shù)仫埖陻?shù)量及獲得住宿的可能性。參與旅游團(tuán)的游客則通常服從旅行社安排，相比自助游游客，旅行社對各地區(qū)的飯店住宿情況有著相當(dāng)大的信息優(yōu)勢，旅行社可以根據(jù)地區(qū)的客房數(shù)和床位數(shù)是否足夠滿足旅行團(tuán)的需求而決定在哪個(gè)地區(qū)、哪個(gè)飯店住宿。

hls和hdl系數(shù)為正，但是并不顯著非0，意味著飯店行業(yè)的服務(wù)水平和發(fā)展規(guī)模對當(dāng)?shù)剡^夜游客人數(shù)可能無顯著影響。一般而言，飯店服務(wù)水平高則會(huì)吸引游客過來留宿，地區(qū)服務(wù)水平較好的飯店口碑較好，對游客更有吸引力，但這里不顯著，其原因可能是該面板數(shù)據(jù)本身特質(zhì)與估計(jì)方法不一致導(dǎo)致的。飯店行業(yè)的發(fā)展規(guī)模不顯著的原因可能是飯店業(yè)的發(fā)展規(guī)模不能給游客直接感受，不能影響游客對飯店的選擇。基于普通模型對飯店服務(wù)水平的參數(shù)估計(jì)結(jié)果不顯著，其原因可能是該面板數(shù)據(jù)本身特質(zhì)與估計(jì)方法不一致導(dǎo)致的，所以需要對面板數(shù)據(jù)進(jìn)行檢驗(yàn)并依據(jù)結(jié)果進(jìn)行穩(wěn)健性估計(jì)。

lnhr顯著為負(fù)，意味著飯店業(yè)的客房數(shù)的減少反而有助于過夜游客人數(shù)的增加，這與旅行社根據(jù)各地區(qū)客房數(shù)來決定選擇住宿地區(qū)的推論不一致;可能的解釋是由于各地飯店客房開房率不高，平均約60%，客房過多而盈利能力不足，減少客房可節(jié)約開支并將資金用于提升飯店的服務(wù)，從而增加當(dāng)?shù)氐倪^夜游客人數(shù)。從這個(gè)角度來看，客房數(shù)減少雖然有助于過夜游客人數(shù)的增加，但這個(gè)變量是外生變量，故將lnhr作為hsl的工具變量，運(yùn)用兩階段最小二乘法估計(jì)得到2SLS模型，估計(jì)結(jié)果仍見表2，2SLS模型的估計(jì)結(jié)果表明使用客房數(shù)作為飯店服務(wù)水平的工具變量，改變了估計(jì)方法使得hsl系數(shù)相比其他5個(gè)普通估計(jì)變得顯著，這首先說明減少客房能提升服務(wù)質(zhì)量從而增加過夜游客人數(shù)的推論是正確的，其次地區(qū)飯店行業(yè)的服務(wù)水平的提高很有可能提升對游客選擇在當(dāng)?shù)刈∷薜奈Α?/p>

表2 普通模型估計(jì)

3 穩(wěn)健性估計(jì)

3.1 模型效應(yīng)判定

為得到穩(wěn)健的參數(shù)估計(jì)，明晰飯店行業(yè)服務(wù)水平是否對過夜游客人數(shù)有顯著影響，首先應(yīng)判定模型面板數(shù)據(jù)建立何種效應(yīng)的模型更為合適，以及是否應(yīng)該包含時(shí)間效應(yīng)。運(yùn)用拉格朗如乘數(shù)法構(gòu)造LM統(tǒng)計(jì)量來區(qū)分ME模型和RE模型的優(yōu)劣，運(yùn)用hausman檢驗(yàn)來區(qū)分RE和FE模型的優(yōu)劣，使用Wald檢驗(yàn)來檢驗(yàn)時(shí)間效應(yīng)是否顯著。從表3的檢驗(yàn)結(jié)果可知，隨機(jī)效應(yīng)優(yōu)于混合效應(yīng)模型，隨機(jī)效應(yīng)與固定效應(yīng)模型不存在顯著差異，應(yīng)該選擇建立隨機(jī)效應(yīng)模型;Wald檢驗(yàn)表明該面板模型存在著顯著的時(shí)間效應(yīng);所以應(yīng)建立含時(shí)間效應(yīng)的隨機(jī)效應(yīng)模型。

表3 模型效應(yīng)檢驗(yàn)

3.2 面板特征檢驗(yàn)

因?yàn)槊姘鍞?shù)據(jù)同時(shí)具有截面和時(shí)間序列的特征，可能存在異方差、自相關(guān)和截面相關(guān)的問題，如果不將這些問題考慮進(jìn)模型中則容易造成統(tǒng)計(jì)偏誤，得出錯(cuò)誤的結(jié)論。使用Greene(2000)［2］構(gòu)造的W統(tǒng)計(jì)量來檢驗(yàn)?zāi)Ｐ椭惺欠翊嬖诋惙讲?根據(jù) Bera、Sosa-Escudero 和 Yoon(2001)［3］執(zhí)行自相 關(guān) 檢 驗(yàn);根 據(jù) Pesaran(2004)［4］和 Frees(2004)［5］分別構(gòu)造 Pesaran檢驗(yàn)和 Frees檢驗(yàn)來檢驗(yàn)截面相關(guān)性是否顯著。面板特征檢驗(yàn)結(jié)果(結(jié)果表格省略)表明在1%置信水平下面板數(shù)據(jù)模型存在顯著的異方差性、序列自相關(guān)性以及截面相關(guān)性。

3.3 穩(wěn)健性估計(jì)

根據(jù)模型效應(yīng)的判斷和面板模型相關(guān)特征的檢驗(yàn)，異方差、自相關(guān)和截面相關(guān)等面板數(shù)據(jù)特征以及時(shí)間效應(yīng)和隨機(jī)效應(yīng)等應(yīng)該作為建立穩(wěn)健模型的依據(jù)。本文使用5類至少考慮了一種面板數(shù)據(jù)特征的隨機(jī)效應(yīng)估計(jì)模型，并加入時(shí)間效應(yīng)來研究海南省各市縣飯店行業(yè)特征與過夜游客人數(shù)的穩(wěn)健性關(guān)系。根據(jù)Baltagi和Wu(1999)［6］建立使用的Prais-Winsten轉(zhuǎn)換來消除序列相關(guān)的AR模型，其基本思想是用最小二乘法估計(jì)其誤差遵循一階自回歸過程的回歸方程。根據(jù)Efron和Tibshirani(1993)［7］使用 Bootstrap法獲取穩(wěn)健型標(biāo)準(zhǔn)誤模型，其基本思想在于通過從原始樣本中執(zhí)行多次可重復(fù)抽樣來計(jì)算統(tǒng)計(jì)量的標(biāo)準(zhǔn)誤，在本文中該模型重復(fù)抽樣1 000次，種子值為1 000。由于AR模型已構(gòu)造了包含一階自回歸的模型，故設(shè)定二階自相關(guān)和異方差參數(shù)，使用廣義最小二乘法進(jìn)行再估計(jì)得到GLS模型。根據(jù)Liang和 Zeger(1993)［8］構(gòu)造廣義估計(jì)方程 GEE模型，其好處在于有助于解決面板數(shù)據(jù)的截面相關(guān)問題。根據(jù) Driscoll和 Kraay(1998)［9］，構(gòu)造“異方差—序列相關(guān)—截面相關(guān)”穩(wěn)健型標(biāo)準(zhǔn)誤模型Dri＆Kra，由于Dri＆Kra的隨機(jī)效應(yīng)模型無法直接得到，故對RE效應(yīng)進(jìn)行FE效應(yīng)轉(zhuǎn)換，對轉(zhuǎn)化后的數(shù)據(jù)進(jìn)行估計(jì)，從而得到Dri＆Kra的隨機(jī)效應(yīng)模型。穩(wěn)健性估計(jì)結(jié)果見表4。

從各穩(wěn)健性估計(jì)結(jié)果來看，lnhs和lnhb依舊顯著為正，lnhr依舊顯著為負(fù)，hdl仍然不顯著。值得注意的是飯店服務(wù)水平hsl在穩(wěn)健模型的估計(jì)中均表現(xiàn)出對過夜旅游人數(shù)的顯著正向影響，這與表3的2SLS估計(jì)結(jié)果是一致的，這說明海南省各市縣飯店服務(wù)水平的提高將有助于吸引游客住宿。最后，穩(wěn)健性估計(jì)的5個(gè)模型結(jié)果仍然具有一致性。

表4 穩(wěn)健性估計(jì)

4 面板VAR分析

在研究中，將簡單多元時(shí)間序列的線性模型擴(kuò)展為非線性模型有助于反映經(jīng)濟(jì)關(guān)系在不同經(jīng)濟(jì)背景下的機(jī)制性變換。［10］由于統(tǒng)計(jì)數(shù)據(jù)可得性，無法加長面板時(shí)間長度，本面板數(shù)據(jù)為大N小T短面板，不適合建立多變量的面板向量自回歸模型，否則會(huì)導(dǎo)致非對稱矩陣和標(biāo)準(zhǔn)誤無法估計(jì)的問題，故用每個(gè)飯店特征逐一與過夜游客人數(shù)建立脈沖面板VAR。

4.1 脈沖響應(yīng)函數(shù)分析

為建立良好有效的面板VAR模型，首先要判斷各個(gè)VAR模型的最優(yōu)滯后階數(shù)，基于AIC、BIC和HQIC統(tǒng)計(jì)量最小(結(jié)果表格省略)和少數(shù)服從多數(shù)原則均選擇4階滯后。所有面板VAR模型都重復(fù)蒙特卡洛實(shí)驗(yàn)1000次，設(shè)定種子值為1000。利用各飯店特征與過夜游客人數(shù)的面板數(shù)據(jù)建立面板VAR模型，并得到脈沖響應(yīng)函數(shù)，相應(yīng)的脈沖響應(yīng)函數(shù)圖見圖1～圖5，圖中，中間的實(shí)線表示脈沖響應(yīng)函數(shù)的響應(yīng)路徑，上下兩條虛線分別表示脈沖響應(yīng)函數(shù)的2倍標(biāo)準(zhǔn)差線，兩條虛線中的區(qū)間意味著脈沖響應(yīng)函數(shù)在上下2倍標(biāo)準(zhǔn)差內(nèi)潛在的路徑。從脈沖響應(yīng)函數(shù)來看，過夜游客數(shù)對飯店數(shù)量、飯店客房數(shù)和飯店床位數(shù)受到外部沖擊有著類似的正向響應(yīng)，均先升上，后趨于收斂，而且上升僅為1期，之后下降并收斂。過夜游客數(shù)對飯店服務(wù)水平受到外部沖擊的響應(yīng)是負(fù)向的，先連續(xù)下降2期，后上升并逐漸趨于收斂，這說明飯店的服務(wù)質(zhì)量受到的擾動(dòng)對游客有著較為持久的影響。過夜游客人數(shù)對飯店規(guī)模水平受到外部沖擊的響應(yīng)始終是正向的，且響應(yīng)持續(xù)上升到第4期之后方開始收斂。

圖1 過夜游客人數(shù)對飯店數(shù)量的脈沖響應(yīng)函數(shù)

圖2 過夜游客人數(shù)對客房總數(shù)的脈沖響應(yīng)函數(shù)

圖3 過夜游客人數(shù)對床位總數(shù)的脈沖響應(yīng)函數(shù)

圖4 過夜游客人數(shù)對飯店服務(wù)水平的脈沖響應(yīng)函數(shù)

圖5 過夜游客人數(shù)對飯店發(fā)展規(guī)模的脈沖響應(yīng)函數(shù)

4.2 格蘭杰因果檢驗(yàn)

格蘭杰因果檢驗(yàn)表明的是在控制了被解釋變量的過去值以后，解釋變量的過去值是否能對被解釋變量有顯著的解釋能力，基于4階滯后VAR模型的格蘭杰檢驗(yàn)結(jié)果如表5所示。格蘭杰因果檢驗(yàn)表明，過夜游客人數(shù)與飯店數(shù)量、飯店客房數(shù)量和飯店床位總數(shù)有著雙向的格蘭杰因果關(guān)系，而飯店整體服務(wù)水平和飯店發(fā)展規(guī)模水平與過夜游客人數(shù)僅存在單向因果關(guān)系，即前者是后者的格蘭杰原因，而后者不是前者的格蘭杰原因?？偟膩碚f，海南省的這些飯店行業(yè)特征均是過夜游客人數(shù)增加的格蘭杰原因。

表5 格蘭杰因果

4.3 方差分解

在方差分解過程中，由于短面板VAR對變量的容納能力有限，最大容納3個(gè)解釋變量，為避免出現(xiàn)非對稱矩陣問題，僅在方差分解中加入3個(gè)解釋變量。故僅以飯店數(shù)表示當(dāng)?shù)仫埖晷袠I(yè)的總體容納能力，并加上飯店業(yè)服務(wù)水平和發(fā)展規(guī)模水平，考察三者對各地過夜游客人數(shù)的貢獻(xiàn)度。根據(jù)AIC、BIC和HQIC最小準(zhǔn)則選擇1階滯后，由此得到的方差分解見表6。表6表明在飯店特征中，飯店的行業(yè)總體容納能力對過夜游客人數(shù)有較大貢獻(xiàn)，而飯店服務(wù)水平和發(fā)展規(guī)模水平的貢獻(xiàn)則較小，值得注意的是飯店行業(yè)的整體服務(wù)水平對過夜游客人數(shù)的貢獻(xiàn)非常小，而且沒有任何變化，這說明飯店業(yè)應(yīng)當(dāng)提高服務(wù)水平，增強(qiáng)自身服務(wù)對游客的吸引力;過夜游客人數(shù)占的比重最大，這說明海南省各市縣過夜游客人數(shù)變動(dòng)主要是由其他諸如收入增加、旅游景點(diǎn)質(zhì)量和旅游產(chǎn)品等的非飯店因素引起的。

表6 方差分解

5 結(jié)論

穩(wěn)健性參數(shù)估計(jì)的結(jié)果表明，海南省飯店數(shù)量和床位數(shù)的增加與飯店服務(wù)水平的提高將導(dǎo)致當(dāng)?shù)剡^夜游客人數(shù)的增加，但其作用路徑機(jī)制是不同的，前者通過自助游游客，后者通過旅行團(tuán)游客;飯店服務(wù)水平的提高同樣將有助于吸引游客住宿。飯店業(yè)的客房數(shù)的減少有助于過夜游客人數(shù)的增加可能是因?yàn)殚_房率本身不高，減少客房可節(jié)約開支并將資金用于提升飯店的服務(wù)，從而提升對游客選擇在當(dāng)?shù)刈∷薜奈?而飯店業(yè)的發(fā)展規(guī)模水平對過夜游客人數(shù)無顯著影響?？偟膩砜?，海南省各市縣可以通過提高飯店業(yè)的整體服務(wù)水平來增強(qiáng)對游客的吸引力。

［1］張曉峒.計(jì)量經(jīng)濟(jì)學(xué)基礎(chǔ)［M］.天津:南開大學(xué)出版社，2001:341.

［2］W Greene.Econometric Analysis［M］.NJ:Prentice——Hall:Upper Saddle River，2000.

［3］Sosa-Escudero W Yoon M Bera a k.Tests for the error component model in the presence of local misspecification［J］.Journal of Econometrics，2001，101(1):1-23.

［4］Pesaran M H.General diagnostic tests for cross section dependence in panels［M］.U.S:Cambridge University Press，2004.

［5］E W Frees.Longitudinal and panel data:Analysis and applications in the social sciences［M］.U.S:Cambridge University Press，2004.

［6］Wu P X，Baltagi B H.Unequally spaced panel data regressions with AR(1)disturbances［J］.Econometric Theory，1999，15(6):814-823.

［7］Tibshirani R J，Efron B.An Introduction to the Bootstrap［M］.U.S:CRC Press，1994.

［8］Zeger S L，Liang K Y.Regression analysis for correlated data［J］.Annual Review of Public Health，1993，14(1):43-68.

［9］Kraay A C，Driscoll J C.Consistent covariance matrix estimation with spatially dependent panel data［J］.Review of Economics and Statistics，1998，80(4):549-560.

［10］楊繼生.線性、非線性面板結(jié)構(gòu)VAR模型的參數(shù)、半?yún)?shù)估計(jì)［J］.數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2011(3):140-151.