Generalized Yule–Walker estimation for spatio-temporal models with unknown diagonal coefficients
未知对角系数时空模型的广义 Yule–Walker 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：摘要明确扩展空间自回归面板模型并允许地点或面板系数异质，支持面板方法分类，未提供宏观面板应用依据。
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…
未知对角系数时空模型的广义 Yule–Walker 估计
- 研究问题
- 研究空间自回归面板模型中不同地点具有不同系数时，如何处理模型内生性，并在样本长度与地点数量同时增长时建立估计理论。
- 方法与思路
- 作者在允许地点系数异质的时空模型中，将最小二乘用于 Yule–Walker 方程，提出广义估计方法，并在平稳与 α 混合框架下分析。
- 材料陈述的贡献
- 摘要称该方法针对固有内生性提出估计方案，并建立双维度增长下的渐近理论，涵盖独立同分布创新驱动的空间面板特例。
- 阅读关注点
- 应核对 Yule–Walker 矩条件如何处理内生性、异质系数的识别，以及样本长度和地点数量的增长关系与空间依赖限制。
- 阅读边界
- 本导读限于所给出版社摘要；具体识别条件、增长速率和渐近结论未说明，实际数据的对象及数值表现也无法由摘要确定。
原文摘要
We consider a class of spatio-temporal models which extend popular econometric spatial autoregressive panel data models by allowing the scalar coefficients for each location (or panel) different from each other. To overcome the innate endogeneity, we propose a generalized Yule–Walker estimation method which applies the least squares estimation to a Yule–Walker equation. The asymptotic theory is developed under the setting that both the sample size and the number of locations (or panels) tend to infinity under a general setting for stationary and α-mixing processes, which includes spatial autoregressive panel data models driven by i.i.d. innovations as special cases. The proposed methods are illustrated using both simulated and real data.