SEMIPARAMETRIC ESTIMATION OF CENSORED SPATIAL AUTOREGRESSIVE MODELS
删失空间自回归模型的半参数估计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：摘要明确建模潜在因变量之间的空间相互依赖，对应网络与干扰方向中的关联结构问题。
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
删失空间自回归模型的半参数估计
- 研究问题
- 当因变量被删失，而空间相关发生在未删失的潜在因变量之间时，如何在不参数化误差分布且允许异方差的条件下估计模型？
- 方法与思路
- 作者提出半参数估计量，在中位数限制下研究一致性和渐近正态性，并以东京都市圈袭击及其他暴力犯罪风险作实证示例。
- 材料陈述的贡献
- 摘要称，方法无需参数化误差分布且允许异方差，并在中位数限制下建立一致性和渐近正态性，展示了犯罪风险分析应用。
- 阅读关注点
- 应核对删失机制、空间权重与潜在因变量依赖的设定、中位数限制的条件形式，以及空间渐近框架和实证变量定义。
- 阅读边界
- 仅依据所给 Crossref 摘要；权重矩阵、删失与识别条件及实证结论未说明，不能将空间相关直接解释为因果溢出或推断刊本变化。
原文摘要
This study considers the estimation of spatial autoregressive models with censored dependent variables, where the spatial autocorrelation exists within the uncensored latent dependent variables. The estimator proposed in this paper is semiparametric, in the sense that the error distribution is not parametrically specified and can be heteroskedastic. Under a median restriction, we show that the proposed estimator is consistent and asymptotically normally distributed. As an empirical illustration, we investigate the determinants of the risk of assault and other violent crimes including injury in the Tokyo metropolitan area.