SIMULTANEOUS EQUATIONS MODELS WITH HIGHER-ORDER SPATIAL OR SOCIAL NETWORK INTERACTIONS
具有高阶空间或社会网络交互的联立方程模型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：摘要明确建模空间或社会网络中的内生、外生及扰动交互，并检验网络溢出，直接对应网络与干扰方向。
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…
具有高阶空间或社会网络交互的联立方程模型
- 研究问题
- 研究如何估计存在多种网络相互依赖的联立方程系统，允许内生变量、外生变量和扰动项均通过高阶空间滞后发生关联。
- 方法与思路
- 作者在两步广义矩估计框架上发展有限信息与完全信息、一阶段与两阶段估计方法，并建立这些网络联立方程估计量的渐近性质。
- 材料陈述的贡献
- 摘要称，高阶空间滞后提高网络交互建模的灵活性，所建渐近理论还允许对所有形式的网络溢出均不存在进行联合检验。
- 阅读关注点
- 应核对网络权重与高阶滞后的定义、联立系统的识别及矩条件，以及不同信息范围的估计量和联合溢出检验如何构造。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断网络生成和内生性的具体限制；允许高阶交互并不自动说明能够识别任意网络中的因果溢出。
原文摘要
This paper develops an estimation methodology for network data generated from a system of simultaneous equations, which allows for network interdependencies via spatial lags in the endogenous and exogenous variables, as well as in the disturbances. By allowing for higher-order spatial lags, our specification provides important flexibility in modeling network interactions. The estimation methodology builds, among others, on the two-step generalized method of moments estimation approach introduced in Kelejian and Prucha (1998, Journal of Real Estate Finance and Economics 17, 99–121; 1999, International Economic Review 40, 509–533; 2004, Journal of Econometrics 118, 27–50). The paper considers limited and full information estimators, and one- and two-step estimators, and establishes their asymptotic properties. In contrast to some of the earlier two-step estimation literature, our asymptotic results facilitate joint tests for the absence of all forms of network spillovers.