The bias of estimators of causal spatial autoregressive processes
因果型空间自回归过程估计量的偏差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：研究对象是二维格点空间过程，其因果型表述不足以支持归入微观因果推断或网络干扰。
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
因果型空间自回归过程估计量的偏差
- 研究问题
- 对于矩形格点区域上观测的二维因果型自回归过程，Yule-Walker 与最小二乘估计的渐近分布和偏差有何区别？
- 方法与思路
- 作者研究两类估计量的渐近分布，推导 Yule-Walker 估计的渐近偏差，并考察改用无偏样本自协方差或最小二乘的效果。
- 材料陈述的贡献
- 摘要称，给出了 Yule-Walker 估计渐近偏差的显式表达式，且使用所述无偏样本自协方差或最小二乘估计可消除该偏差。
- 阅读关注点
- 应核对空间因果型过程的定义、矩形观测区域的渐近扩张方式、自协方差的归一化，以及所消除偏差的具体含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；稳定性与边界条件未说明，文中的因果型不等同于处理效应的因果识别。
原文摘要
We study the asymptotic distribution of Yule-Walker and least squares estimators for twodimensional causal autoregressive processes observed on a rectangular part of a lattice. An explicit expression for the asymptotic bias of Yule-Walker estimators is obtained. It is shown that this bias disappears if we use the so-called unbiased sample autocovariance function or least squares estimators.