QML estimation of spatial dynamic panel data models with endogenous time varying spatial weights matrices
内生时变空间权重下空间动态面板模型的拟极大似然估计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：摘要直接研究动态面板数据，并通过内生时变空间权重描述单位之间的相互关联。
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
内生时变空间权重下空间动态面板模型的拟极大似然估计
- 研究问题
- 当经济或社会距离构造的空间权重具有内生性且随时间变化时，如何设定并估计空间动态面板模型？
- 方法与思路
- 作者提出模型设定与拟极大似然估计，将空间近历依赖扩展至时间依赖，并使用时空大数律及鞅差中心极限定理。
- 材料陈述的贡献
- 摘要称建立了拟极大似然估计量的一致性和渐近正态性，并通过蒙特卡洛实验报告满意的有限样本表现。
- 阅读关注点
- 应核对权重内生性的建模方式、权重与结果过程的联合限制、空间和时间维度的渐近安排，以及似然的实际计算。
- 阅读边界
- 仅依据所给出版社摘要；权重形成机制、识别条件与模拟数值未说明，不能将结论扩展到任意内生空间权重或解释为因果识别。
原文摘要
In spatial panel data models, when a spatial weights matrix is constructed from economic or social distance, spatial weights could be endogenous and also time varying. This paper presents model specification and proposes QMLE estimation of spatial dynamic panel data models with endogenous time varying spatial weights matrices. Asymptotic properties of the proposed QMLE are rigorously established. We extend the notion of spatial near-epoch dependence to allow time dependence. By using spatial-time LLN for near-epoch dependence process and CLT for martingale difference sequence, we establish the consistency and asymptotic normality of QMLE. Monte Carlo experiments show that the proposed estimators have satisfactory finite sample performance.