Estimation of dynamic panel spatial vector autoregression: Stability and spatial multivariate cointegration
动态面板空间向量自回归估计：稳定性与空间多变量协整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：摘要研究动态空间面板的向量自回归与协整，并用于跨市场整合分析。
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
动态面板空间向量自回归估计：稳定性与空间多变量协整
- 研究问题
- 动态面板空间向量自回归如何同时描述时间动态、空间互动和多变量协整，并在稳定或不同协整情形下进行识别与估计？
- 方法与思路
- 作者划分参数空间以区分稳定性情形，研究处理同时性及相关关系的准极大似然估计，提出偏差校正和序贯似然比检验。
- 材料陈述的贡献
- 摘要称，研究给出估计量的渐近性质及未知协整关系的检验程序；模拟展示偏差与效率优势，并应用于中国古代市场整合。
- 阅读关注点
- 应核对空间协整与混合协整的定义、参数空间划分、空间权重设定，以及识别条件、偏差校正和序贯检验的误差控制。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明完整渐近框架、模拟比较对象和应用数据细节，不能推断方法在所有空间面板中占优。
原文摘要
This paper introduces dynamic panel spatial vector autoregressive models. We study features of dynamics and spatial interactions that an SVAR model can generate and classify the model into stable or unstable cases by partitioning parameter spaces. For stable, spatial cointegration, and mixed cointegration cases, we investigate identification and QML estimation of the models to take into account simultaneity and correlated relationships. Asymptotic properties and bias-corrected estimators are presented. To detect unknown cointegration relationships, we introduce a sequential likelihood ratio testing procedure. Simulations show the advantage of QMLEs on bias reduction and efficiency gains. The empirical application provides evidences on ancient China’s market integration.