Identification and QML estimation of multivariate and simultaneous equations spatial autoregressive models
多元与联立方程空间自回归模型的识别及拟最大似然估计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：摘要明确研究自身与跨变量的空间滞后，以及空间关联下的联立互动结构。
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
多元与联立方程空间自回归模型的识别及拟最大似然估计
- 研究问题
- 同时存在联立关系、自变量自身及跨变量的空间滞后、方程间误差相关时，如何识别空间自回归模型并进行有效估计？
- 方法与思路
- 作者建立联立方程空间自回归模型，并讨论其多元简化形式，研究参数空间、识别、拟最大似然估计的渐近性质与计算问题。
- 材料陈述的贡献
- 摘要称，论文提供该模型的识别和估计分析；蒙特卡洛比较显示，QML 相较既有工具变量方法具有适用范围和效率方面的优势。
- 阅读关注点
- 核对空间权重与各类空间滞后的设定、联立模型和简化形式之间的关系，以及识别条件、参数空间限制和优化算法。
- 阅读边界
- 仅据所给出版社摘要，无法确定 QML 的具体分布与空间结构条件；模拟中的优势不能推广为所有模型或样本下的普遍优越性。
原文摘要
This paper investigates a simultaneous equations spatial autoregressive model which incorporates simultaneity effects, own-variable spatial lags and cross-variable spatial lags as explanatory variables, and allows for correlation between disturbances across equations. In exposition, we also discuss a multivariate spatial autoregressive model that can be treated as a reduced form of the simultaneous equations model. We study parameter spaces, parameter identification, asymptotic properties of the quasi-maximum likelihood estimation, and computational issues. Monte Carlo experiments illustrate the advantages of the QML, broader applicability and efficiency, compared to instrumental variables based estimation methods in the existing literature.