Maximum likelihood estimation of a spatial autoregressive Tobit model
空间自回归Tobit模型的最大似然估计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：摘要明确包含空间自回归交互，直接涉及个体间的空间关联机制。
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Tobit模型的最大似然估计
- 研究问题
- 当受限因变量具有空间自回归交互时，如何开展Tobit模型的最大似然估计，并处理模型产生的空间依赖对推断的影响？
- 方法与思路
- 作者研究空间自回归Tobit模型的最大似然方法，并利用因变量过程的空间近历元依赖性质分析估计量的渐近行为。
- 材料陈述的贡献
- 摘要称最大似然估计量一致且渐近正态，并通过Monte Carlo实验考察有限样本性质；未提供模拟表现的具体数值。
- 阅读关注点
- 应核对受限观测与空间交互的具体模型结构、似然计算，以及空间近历元依赖条件如何支持一致性、正态性和标准误。
- 阅读边界
- 仅依据所给出版社摘要，未核对全文或其他版本；摘要未说明空间权重、误差分布及渐近条件，也无法据此判断计算可扩展性。
原文摘要
This paper examines a Tobit model with spatial autoregressive interactions. We consider the maximum likelihood estimation for this model and analyze asymptotic properties of the estimator based on the spatial near-epoch dependence of the dependent variable process generated from the model structure. We show that the maximum likelihood estimator is consistent and asymptotically normally distributed. Monte Carlo experiments are performed to verify finite sample properties of the estimator.