An efficient GMM estimator of spatial autoregressive models
空间自回归模型的有效 GMM 估计量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：摘要研究空间自回归估计，但未明确社会网络、宏观面板或金融应用，现有细分不足以准确归类。
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…
空间自回归模型的有效 GMM 估计量
- 研究问题
- 对于含空间自回归扰动的回归与 MRSAR 模型，如何在使用线性和二次矩条件的 GMM 类中提高渐近估计效率？
- 方法与思路
- 作者在指定的线性与二次矩条件类中推导最优 GMM，并考察扰动分布、空间权重矩阵对角元素及峰度信息的作用。
- 材料陈述的贡献
- 摘要称该估计量计算简便，正态下与 ML 渐近同效，非正态下优于高斯 QML；模拟优势在非对称扰动时尤为明显。
- 阅读关注点
- 应核对最优矩条件与权重矩阵的构造、空间权重和扰动的限制，以及效率比较的估计量类别和峰度信息的可行使用方式。
- 阅读边界
- 仅依据所给出版社摘要，效率结论限于文中比较框架，不能推广到所有估计方法；完整假设、证明和模拟数值均未说明。
原文摘要
In this paper, we consider GMM estimation of the regression and MRSAR models with SAR disturbances. We derive the best GMM estimator within the class of GMM estimators based on linear and quadratic moment conditions. The best GMM estimator has the merit of computational simplicity and asymptotic efficiency. It is asymptotically as efficient as the ML estimator under normality and asymptotically more efficient than the Gaussian QML estimator otherwise. Monte Carlo studies show that, with moderate-sized samples, the best GMM estimator has its biggest advantage when the disturbances are asymmetrically distributed. When the diagonal elements of the spatial weights matrix have enough variation, incorporating kurtosis of the disturbances in the moment functions will also be helpful.