FINITE-SAMPLE BIAS OF THE QMLE IN SPATIAL AUTOREGRESSIVE MODELS
空间自回归模型中准最大似然估计的有限样本偏误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：摘要明确涉及空间自回归，但未说明网络或干扰机制，现有细分中没有直接对应的空间计量类别。
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
空间自回归模型中准最大似然估计的有限样本偏误
- 研究问题
- 在可能含外生解释变量的空间自回归模型中，准最大似然估计的有限样本偏误如何依赖模型参数与误差分布矩？
- 方法与思路
- 作者推导涉及模型参数和误差分布前四阶矩的近似偏误表达式，由此构造可行修正，并研究特殊情形下的简化。
- 材料陈述的贡献
- 摘要称解析偏误结果可直接支持可行修正，某些特殊情形能显著简化表达式，蒙特卡洛结果显示修正表现良好。
- 阅读关注点
- 应核对空间依赖结构、偏误近似的有效范围、未知参数和误差矩的估计方式，以及模拟中的偏误与精度权衡。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要未说明空间权重条件、近似误差阶或模拟数值，不能推断修正在所有空间模型中有效。
原文摘要
We investigate the finite-sample bias of the quasi-maximum likelihood estimator (QMLE) in spatial autoregressive models with possible exogenous regressors. We derive the approximate bias result of the QMLE in terms of model parameters and also the moments (up to order 4) of the error distribution, and thus a feasible bias-correction procedure is directly applicable. In some special cases, the analytical bias result can be significantly simplified. Our Monte Carlo results demonstrate that the feasible bias-correction procedure works remarkably well.