QML and Efficient GMM Estimation of Spatial Autoregressive Models with Dominant (Popular) Units
具有主导单元的空间自回归模型的 QML 与有效 GMM 估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究空间权重矩阵中的主导单元，并以具有主导节点的贸易网络作应用。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
具有主导单元的空间自回归模型的 QML 与有效 GMM 估计
- 研究问题
- 当空间权重矩阵存在列和随样本规模增长的主导单元时，传统估计与渐近推断如何调整，哪些增长范围仍支持有效推断？
- 方法与思路
- 作者针对列和可按 O(n^δ)、δ<1 增长的权重矩阵建立中心极限定理，推导 QML 与 GMM 分布，并考虑非正态扰动下的最优矩条件。
- 材料陈述的贡献
- 摘要称，理论允许有限或无限多个列和无界的列，并给出相关估计量的渐近分布；模拟也提示列和达到 O(n) 时表现可能不佳。
- 阅读关注点
- 应核对权重矩阵的其余限制、主导单元数量与列和增长如何共同影响极限分布，以及最优线性和二次矩条件如何构造。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；δ<1 并非摘要列出的全部条件，具体方差公式与模拟边界未说明，不推断刊本变化。
原文摘要
This article investigates QML and GMM estimation of spatial autoregressive (SAR) models in which the column sums of the spatial weights matrix might not be uniformly bounded. We develop a central limit theorem in which the number of columns with unbounded sums can be finite or infinite and the magnitude of their column sums can be O(nδ) if δ<1. Asymptotic distributions of QML and GMM estimators are derived under this setting, including the GMM estimators with the best linear and quadratic moments when the disturbances are not normally distributed. The Monte Carlo experiments show that these QML and GMM estimators have satisfactory finite sample performances, while cases with a column sums magnitude of O(n) might not have satisfactory performance. An empirical application with growth convergence in which the trade flow network has the feature of dominant units is provided. Supplementary materials for this article are available online.