Spatial heteroskedasticity and autocorrelation consistent estimation of covariance matrix
空间异方差与自相关一致的协方差矩阵估计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：摘要研究通用空间协方差估计，未明确涉及面板、网络或所列其他领域，现有细分证据不足。
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
空间异方差与自相关一致的协方差矩阵估计
- 研究问题
- 在线性和非线性空间矩条件模型中，如何估计对空间异方差与自相关稳健的参数协方差矩阵，并合理选择带宽？
- 方法与思路
- 作者推广空间 HAC 估计量，研究一致性、收敛速度和渐近截断均方误差，再按该误差准则推导带宽并提出参数代入选择方法。
- 材料陈述的贡献
- 摘要称，文中将空间 HAC 扩展至更一般的矩条件模型，给出相关渐近性质与带宽选择程序，并通过模拟考察有限样本表现。
- 阅读关注点
- 应核对空间距离与依赖条件、截断均方误差的定义、最优带宽的适用准则，以及参数代入设定对实际带宽选择的影响。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明核函数、完整正则条件或模拟结果，所述最优带宽只对应指定的渐近误差准则。
原文摘要
This paper considers spatial heteroskedasticity and autocorrelation consistent (spatial HAC) estimation of covariance matrices of parameter estimators. We generalize the spatial HAC estimator introduced by Kelejian and Prucha (2007) to apply to linear and nonlinear spatial models with moment conditions. We establish its consistency, rate of convergence and asymptotic truncated mean squared error (MSE). Based on the asymptotic truncated MSE criterion, we derive the optimal bandwidth parameter and suggest its data dependent estimation procedure using a parametric plug-in method. The finite sample performances of the spatial HAC estimator are evaluated via Monte Carlo simulation.