Best linear and quadratic moments for spatial econometric models with an application to spatial interdependence patterns of employment growth in US counties
空间计量模型的最优线性与二次矩：美国县域就业增长应用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：摘要明确针对横截面网络与空间计量模型构造矩条件，并研究县域就业增长的空间相互依赖，因此归入网络与干扰。
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
空间计量模型的最优线性与二次矩：美国县域就业增长应用
- 研究问题
- 对横截面网络和空间计量模型，如何构造更有效率的 GMM 矩条件，并在未知非正态扰动下分析地区就业增长依赖？
- 方法与思路
- 作者解析构造最优线性与二次矩，应用于含异方差扰动及空间误差的高阶空间自回归模型，并提出两种扰动正态性检验。
- 材料陈述的贡献
- 摘要称，所构造估计量在非正态且分布未知的扰动下具有高于准极大似然的渐近效率，并展示美国县域就业增长空间依赖。
- 阅读关注点
- 应核对最优性的比较范围、非正态与异方差条件、空间权重矩阵设定，以及正态性检验和效率结论之间的关系。
- 阅读边界
- 仅依据所给 Crossref 版本摘要；矩条件公式及正则条件未说明，渐近效率优势不等于有限样本全面占优或因果溢出识别。
原文摘要
Summary We provide a novel analytic procedure to construct best linear and quadratic moments of the generalized method of moments estimation for a large class of cross‐sectional network and spatial econometric models. These moments generate an estimator that is asymptotically more efficient than the quasi‐maximum likelihood estimator when the disturbances follow a non‐normal and unknown distribution. We apply this procedure to a high‐order spatial autoregressive model with spatial errors, where the disturbances are heteroskedastic. Two normality tests of disturbances are developed. We apply the model to employment data in US counties, which demonstrates spatial interdependence patterns of regional employment growth.