ROBUST ESTIMATION FOR THE SPATIAL AUTOREGRESSIVE MODEL
空间自回归模型的稳健估计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：摘要研究空间自回归的稳健估计，未明确涉及网络连接、干扰效应或其他给定细分。
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…
空间自回归模型的稳健估计
- 研究问题
- 在空间自回归模型中，如何缓解长尾扰动对估计的影响，同时控制短尾情形下的效率损失并刻画稳健性？
- 方法与思路
- 作者提出Huber型工具变量和广义矩估计，研究一致性、渐近分布、有限样本崩溃点与影响函数，并开展模拟和应用。
- 材料陈述的贡献
- 摘要称两种估计在长尾扰动下更稳健、短尾下效率损失较小，并以城市热岛与房价关系展示方法，提供软件包。
- 阅读关注点
- 应核对空间权重和工具变量的条件、Huber阈值选择、崩溃点的污染定义，以及空间内生性与稳健性之间的处理关系。
- 阅读边界
- 仅据所给Crossref版本摘要；具体稳健条件、效率损失数值及应用识别未说明，不能推广模拟优势或推断刊本变化。
原文摘要
This article proposes and studies two Huber-type estimation approaches, namely, the Huber instrumental variable (IV) estimation and the Huber generalized method of moments (GMM) estimation, for a spatial autoregressive model. We establish the consistency, asymptotic distributions, finite sample breakdown points, and influence functions of these estimators. Simulation studies show that compared to the corresponding traditional estimators (the two-stage least squares estimator, the best IV estimator, and the GMM estimator), our estimators are more robust when the unknown disturbances are long-tailed, and our estimators only lose a little efficiency when the disturbances are short-tailed. Moreover, the Huber GMM estimator also outperforms several robust estimators in the literature. Finally, we apply our estimation method to investigate the impact of the urban heat island effect on housing prices. A package is published on GitHub for practitioners to use in their empirical studies.