Refinements in maximum likelihood inference on spatial autocorrelation in panel data
面板空间自相关最大似然推断的高阶修正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：摘要明确研究固定效应面板模型中的空间相关系数和横截面独立性检验。
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
面板空间自相关最大似然推断的高阶修正
- 研究问题
- 在具有固定效应的空间自回归面板模型中，如何改善空间相关系数的区间估计及横截面独立性检验的有限样本准确性？
- 方法与思路
- 作者对空间相关系数的最大似然估计量建立 Edgeworth 展开，据此修正区间与独立性检验，并用蒙特卡洛模拟比较。
- 材料陈述的贡献
- 摘要称，相比一阶渐近推断，高阶展开能够提供更准确的系数区间和尺寸表现更好的横截面独立性检验。
- 阅读关注点
- 应核对空间权重矩阵、固定效应处理和样本维度增长条件，并查看展开阶数、修正区间及检验尺寸的实际计算方式。
- 阅读边界
- 所给出版社摘要未说明展开的适用参数范围、模拟设计或改善幅度；不能据此确认修正在所有面板规模下都更准确。
原文摘要
In a panel data model with fixed effects, possible cross-sectional dependence is investigated in a spatial autoregressive setting. An Edgeworth expansion is developed for the maximum likelihood estimate of the spatial correlation coefficient. The expansion is used to develop more accurate interval estimates for the coefficient, and tests for cross-sectional independence that have better size properties, than corresponding rules of statistical inference based on first order asymptotic theory. Comparisons of finite sample performance are carried out using Monte Carlo simulations.