Specification and estimation of spatial autoregressive models with autoregressive and heteroskedastic disturbances
含自回归与异方差扰动的空间自回归模型：设定与估计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：摘要直接研究空间自回归推断，但未明确经济网络或个体间干扰的解释，给定细分中没有充分匹配的空间计量类别。
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
含自回归与异方差扰动的空间自回归模型：设定与估计
- 研究问题
- 当空间模型同时包含因变量、外生变量及扰动项的空间滞后，并允许创新项存在未知异方差时，如何进行联合推断？
- 方法与思路
- 作者推广扰动过程空间自回归参数的 GMM 估计，构造回归参数的工具变量估计，并研究两类估计量的联合渐近分布。
- 材料陈述的贡献
- 摘要称，论文为允许未知异方差的 Cliff–Ord 型空间模型建立推断方法，并以较一般的理论覆盖多种模型设定。
- 阅读关注点
- 应核对空间权重结构、工具变量与矩条件、异方差处理方式，以及联合渐近分布所要求的样本结构和正则条件。
- 阅读边界
- 仅据所给出版社摘要，无法确认权重矩阵限制、工具变量有效性及标准误构造；理论的一般性并不意味着适用于任意空间依赖。
原文摘要
This study develops a methodology of inference for a widely used Cliff-Ord type spatial model containing spatial lags in the dependent variable, exogenous variables, and the disturbance terms, while allowing for unknown heteroskedasticity in the innovations. We first generalize the GMM estimator suggested in (Kelejian and Prucha, 1998) and (Kelejian and Prucha, 1999) for the spatial autoregressive parameter in the disturbance process. We also define IV estimators for the regression parameters of the model and give results concerning the joint asymptotic distribution of those estimators and the GMM estimator. Much of the theory is kept general to cover a wide range of settings.