REFINED TESTS FOR SPATIAL CORRELATION
空间相关性的精化检验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：摘要研究空间相关与空间权重矩阵，未明确网络互动或干扰机制，现有细分不足以直接归类。
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
空间相关性的精化检验
- 研究问题
- 面对空间权重矩阵导致的非常规收敛速度，如何改进无空间相关对一阶空间自回归备择的中小样本检验？
- 方法与思路
- 作者利用 Edgeworth 展开和 bootstrap 精化基于最小二乘估计的检验，并分析概率极限符号、一致性与局部功效。
- 材料陈述的贡献
- 摘要称最小二乘估计虽不一致，其概率极限在相应条件下符号正确且检验一致，并提出尺寸更准确的精化检验。
- 阅读关注点
- 应核对空间权重矩阵的条件、非常规收敛率的来源，以及估计不一致时为何仍能保证检验一致和局部功效。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确认展开与重抽样的适用范围或模拟改善幅度，不能把符号正确等同于参数估计一致。
原文摘要
We consider testing the null hypothesis of no spatial correlation against the alternative of pure first order spatial autoregression. A test statistic based on the least squares estimate has good first-order asymptotic properties, but these may not be relevant in small- or moderate-sized samples, especially as (depending on properties of the spatial weight matrix) the usual parametric rate of convergence may not be attained. We thus develop tests with more accurate size properties, by means of Edgeworth expansions and the bootstrap. Although the least squares estimate is inconsistent for the correlation parameter, we show that under quite general conditions its probability limit has the correct sign, and that least squares testing is consistent; we also establish asymptotic local power properties. The finite-sample performance of our tests is compared with others in Monte Carlo simulations.