A robust test for network generated dependence
网络生成依赖的稳健检验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：摘要直接研究网络生成的横截面依赖、单位间邻近关系和网络拓扑内生性，因此最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…
关注这篇论文的作者
网络生成依赖的稳健检验
- 研究问题
- 当研究者不确定如何刻画横截面单位间的网络邻近关系时，如何检验变量或扰动中的网络依赖，并处理网络拓扑可能内生的情况？
- 方法与思路
- 作者提出网络生成横截面依赖的稳健检验，推广空间网络中的Moran I检验，建立渐近性质并讨论内生拓扑下的使用。
- 材料陈述的贡献
- 摘要称检验对网络邻近关系建模的不确定性提供一定稳健性，可考察内生变量、外生变量或扰动的依赖，并给出一般渐近分析。
- 阅读关注点
- 应核对稳健性针对哪些网络设定误差、检验统计量和标准化方式、网络渐近条件，以及拓扑内生时需要何种额外处理。
- 阅读边界
- 所给出版社摘要未列出稳健性的具体范围和内生网络条件；不能把依赖检验解释为网络效应的因果识别，也无数值证据。
原文摘要
The paper introduces a robust testing procedure for network generated cross sectional dependence in the endogenous variables, exogenous variables and/or disturbances. Empirical researchers often face situations where they are unsure about how to model the proximity between cross sectional units in a network. The tests considered provide the empirical researcher an important degree of robustness in such situations. They generalize the Moran (1950) I test for dependence in spatial networks. The asymptotic properties of the tests are established under general conditions. The paper also discusses the use of the test statistics in situations where the network topology is endogenous.