Using spatial modeling to address covariate measurement error
利用空间建模处理协变量测量误差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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主体是一般测量误差识别与空间辅助估计，未明确所列专门模型或因果识别结构，因此暂不分类。
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
利用空间建模处理协变量测量误差
- 研究问题
- 空间邻近观测能否作为重复测量信息，在一般非线性模型中识别存在潜在非经典测量误差的协变量及其作用？
- 方法与思路
- 作者控制观测之间的随机距离，以算子对角化建立识别，并结合首步核估计、筛半参数极大似然和模拟实现估计。
- 材料陈述的贡献
- 摘要提出无需预设变量分布的测量误差方法，允许一般非线性模型和潜在非经典误差，并以模拟及非洲发展应用说明。
- 阅读关注点
- 应核对邻近观测充当重复测量所需条件、距离调整如何支持算子识别，以及首步误差、筛逼近与空间依赖的处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明具体识别限制，也不足以判断应用中效应的因果解释。
原文摘要
We propose a new estimation methodology to address the presence of covariate measurement error by exploiting the availability of spatial data. The approach uses neighboring observations as repeated measurements, after suitably controlling for the random distance between the observations in a way that allows the use of operator diagonalization methods to establish identification. The method is applicable to general nonlinear models with potentially nonclassical errors and does not rely on a priori distributional assumptions regarding any of the variables. The method's implementation combines a sieve semiparametric maximum likelihood with a first-step kernel estimator and simulation methods. The method's effectiveness is illustrated through both controlled simulations and an application to the assessment of the effect of pre-colonial political structure on current economic development in Africa.