摘要
本文利用1988-2008年中日茶叶贸易数据,分别构建中日茶叶贸易加总与细分数据模型。通过Wald统计量检验加总与细分数据模型之间加总偏误的显著性,并运用Yao统计量检验加总偏误的原因。研究发现,细分数据模型中的高阶自相关导致模型误设,进而引发了加总偏误。这一发现为总量宏观数据加总偏误原因的研究提供了新的视角,并为寻找加总偏误的解决之道拓展了新的途径。
This paper builds the aggregation and disaggregation model on Sino-Japan tea trade by gravity models method to research the aggregation bias through Wald statistics. In the results, the autocorrelation of high order in disaggregation model leads to the bias. This discovery is convenient to the research on aggregation bias.
出处
《国际贸易问题》
CSSCI
北大核心
2011年第10期97-106,共10页
Journal of International Trade
基金
国家自然基金(71103167)
国家自然基金(71071147)
教育部人文社会科学研究青年基金项目(09YJC790249)
浙江省自然科学基金项目(Y7100059)
浙江省哲学社科规划课题(10CGYD17YBB)
浙江省人文社科重点研究基地"标准化与知识产权管理"的资助
关键词
茶叶贸易
加总偏误
细分数据
自相关
Tea trade
Aggregation bias
Disaggregation data
Autocorrelation
