[论文解读] Tobit Bayesian Model Averaging and the Determinants of Foreign Direct Investment

Alexander I. Jordan, Alex Lenkoski|arXiv (Cornell University)|May 11, 2012

Global trade and economics参考文献 25被引用 3

一句话总结

本文提出 Tobit 贝叶斯模型平均（TBMA），一种计算高效、完全贝叶斯的框架，将模型不确定性整合进类型 II Tobit 模型中，用于分析对外直接投资（FDI）决定因素。通过在吉布斯抽样中嵌入模型移动并使用条件贝叶斯因子（CBFs），TBMA 实现了选择方程与结果方程的联合估计，解决了先前方法在理论上的不一致问题，同时减少了计算时间并提高了模型选择的准确性。

ABSTRACT

We develop a fully Bayesian, computationally efficient framework for incorporating model uncertainty into Type II Tobit models and apply this to the investigation of the determinants of Foreign Direct Investment (FDI). While direct evaluation of modelprobabilities is intractable in this setting, we show that by using conditional Bayes Factors, which nest model moves inside a Gibbs sampler, we are able to incorporate model uncertainty in a straight-forward fashion. We conclude with a study of global FDI flows between 1988-2000.

研究动机与目标

• 开发一种完全贝叶斯、计算高效的框架，用于在类型 II Tobit 模型中整合模型不确定性。
• 解决以往 FDI 建模方法的局限性，这些方法依赖 BIC 近似且缺乏贝叶斯推断的理论基础。
• 通过联合更新选择方程与结果方程模型，改进 FDI 研究中的模型选择，确保方程之间的信息反馈。
• 与以往基于 MCMC 的方法相比，降低计算负担，同时保持理论上的有效性。
• 为利用 1988–2000 年全球数据识别 FDI 流动的可靠决定因素，提供一个稳健的框架。

提出的方法

• 提出一种新颖的 Tobit 贝叶斯模型平均（TBMA）框架，通过条件贝叶斯因子（CBFs）将模型不确定性整合进类型 II Tobit 模型。
• 采用在 MCMC 算法中嵌入模型移动的吉布斯抽样，以直接且高效地计算 CBFs。
• 使用分层先验结构，对回归系数采用独立正态先验，对误差方差采用扩散先验。
• 实施选择方程与结果方程的联合更新方案，允许在模型空间之间传递信息反馈。
• 通过在后验核中配方法，推导出边际似然的解析可计算表达式，从而实现 CBF 的精确计算。
• 将该方法应用于 1988–2000 年的双边 FDI 流量数据，选择变量包括腐败、GDP 和贸易开放度，同时用于选择方程与结果方程。

实验结果

研究问题

• RQ1 哪些经济与制度因素与参与 FDI 的决策及 FDI 流入规模最稳健地相关？
• RQ2 在完全贝叶斯框架中考虑模型不确定性，相较于频率学派或近似贝叶斯方法，如何提高 FDI 决定因素识别的可靠性？
• RQ3 在 Tobit 模型中，选择方程与结果方程之间的信息反馈在多大程度上提升了模型估计的准确性？
• RQ4 与 HeckitBMA 等先前方法相比，所提出的 TBMA 方法在计算速度和可扩展性方面表现如何？
• RQ5 在 FDI 建模中，使用条件贝叶斯因子而非 BIC 近似，对变量包含概率有何影响？

主要发现

• TBMA 方法在 FDI 流量规模决定因素方面得出的结论与 Eicher 等人（2011）大致相似，例如 GDP 和贸易开放度具有正向影响。
• 与 HeckitBMA 相比，TBMA 在选择方程中的结果存在显著差异，这是由于联合更新模型概率，从而纳入了结果方程的信息反馈。
• 由于条件贝叶斯因子的高效计算，TBMA 将计算时间减少到 Eicher 等人（2011）所需时间的极小部分。
• 在 TBMA 框架下，选择方程中的变量包含概率更加稳定且具有理论基础，因为其源自完全贝叶斯后验分布，而非 BIC 近似。
• 在吉布斯抽样中使用 CBFs 可实现模型证据的直接、精确计算，无需数值积分，从而提升了准确性和效率。
• 实证结果证实，腐败对 FDI 流入具有显著负面影响，与经济理论一致，且该效应在 TBMA 框架下得到更可靠的估计。