摘要：El modelo espacial de Durbin ocupa una posición interesante en econometría espacial. Es la forma reducida de un modelo de corte transversal con dependencia en los errores y puede ser utilizado como ecuación de anidación en un enfoque más general de selección de modelos. En concreto, a partir de esta ecuación puede obtenerse el Ratio de Verosimilitudes conocido como test de Factores Comunes (LRCOM). Como se muestra en Mur y Angulo (2006), este test tiene buenas propiedades si el modelo está correctamente especificado. Sin embargo, por lo que sabemos, no hay referencias en la literatura sobre el comportamiento de este test bajo condiciones no ideales. En concreto, estudiamos el comportamiento del test en los casos de heterocedasticidad, no normalidad, endogeneidad, matrices de contactos densas y no-linealidad. Nuestros resultados ofrecen una visión positiva del test de Factores Comunes que parece una técnica útil en el instrumental propio de la econometría espacial contemporánea.
其他摘要：The Spatial Durbin model occupies an interesting position in Spatial Econometrics. It is the reduced form of a model with cross-sectional dependence in the errors and it may be used as the nesting equation in a more general approach of model selection. Specifically, in this equation we can obtain the Likelihood Ratio test of Common Factors (LRCOM). This test has good properties if the model is correctly specified, as shown in Mur and Angulo (2006). However, as far as we know, there is no literature in relation to the behaviour of the test under non-ideal conditions, which is the purpose of the paper. Specifically, we study the performance of the test in the case of heteroscedasticity, non-normality, endogeneity, dense weighting matrices and non-linearity. Our results offer a positive view of the Likelihood Ratio test of Common Factors, which appears to be a useful technique in the toolbox of spatial econometrics.
关键词：Likelihood Ratio Test of Common Factor; Heteroscedasticity; Nonnormality; Endogeneity; Non-linearity;Contraste de Ratio de Verosimilitudes de Factores Comunes; Heterocedasticitidad; No Normalidad; Endogeneidad; No Linealidad
