Exact and higher-order properties of the MLE in spatial autoregressive models, with applications to inference
空间自回归模型中极大似然估计量的精确与高阶性质及推断应用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估计量的分布与推断，但未明确涉及面板、经济网络或时间序列，现有细分不足以准确对应。
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
空间自回归模型中极大似然估计量的精确与高阶性质及推断应用
- 研究问题
- 研究空间自回归参数估计量难以显式表达时，如何刻画其精确分布和高阶性质，并据此改善参数置信区间的构造。
- 方法与思路
- 作者将估计量的精确累积分布函数表示为特定二次型的分布函数，并在一般模型中利用鞍点近似构造置信区间。
- 材料陈述的贡献
- 摘要称，分布表示揭示若干精确性质并支持高阶近似；模拟表明所构造置信区间在多种情形下具有良好的覆盖表现。
- 阅读关注点
- 应核对精确表示的假设、空间设计矩阵与误差分布限制，以及鞍点近似的构造、适用范围和区间覆盖率比较方案。
- 阅读边界
- 仅据所给出版社摘要，一般模型并不能完成全面精确分析；所谓温和假设的内容、覆盖率数值及近似误差均未说明。
原文摘要
The quasi-maximum likelihood estimator for the autoregressive parameter in a spatial autoregression usually cannot be written explicitly in terms of the data. A rigorous analysis of the first-order asymptotic properties of the estimator, under some assumptions on the evolution of the spatial design matrix, is available in Lee (2004), but very little is known about its exact or higher-order properties. In this paper we first show that the exact cumulative distribution function of the estimator can, under mild assumptions, be written in terms of that of a particular quadratic form. Simple examples are used to illustrate important exact properties of the estimator that follow from this representation. In general models a complete exact analysis is not possible, but a higher-order (saddlepoint) approximation is made available by the main result. We use this approximation to construct confidence intervals for the autoregressive parameter. Coverage properties of the proposed confidence intervals are studied by Monte Carlo simulation, and are found to be excellent in a variety of circumstances.