Dynamic spatial autoregressive models with autoregressive and heteroskedastic disturbances
具有自回归与异方差扰动的动态空间自回归模型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：摘要明确用得分驱动时间序列方法描述随时间变化的空间依赖与参数，因此归入时间序列建模方向。
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
具有自回归与异方差扰动的动态空间自回归模型
- 研究问题
- 如何将空间自回归模型扩展到时空数据，使空间依赖、回归系数和截面波动随时间变化，并考察这一设定对估计与投资组合选择的作用？
- 方法与思路
- 作者以得分驱动机制扩展具有自回归和异方差扰动的 SARAR(1,1) 模型，采用极大似然估计，并通过蒙特卡洛模拟和投资组合应用评估。
- 材料陈述的贡献
- 摘要称，新模型允许空间系数、回归系数和截面标准差时变，并考察有限样本表现与动态依赖过程误设；投资组合应用显示投资者对其经济偏好。
- 阅读关注点
- 阅读时应核对得分更新方程、参数约束与似然设定，重点检查有限样本模拟和动态依赖误设情景，以及投资组合经济偏好的评价标准。
- 阅读边界
- 摘要未说明估计条件、具体模拟结果或投资组合评价指标，因而无法判断有限样本表现、对不同误设的适用范围及经济偏好结论的稳健性。
原文摘要
Summary We propose a new class of models specifically tailored for spatiotemporal data analysis. To this end, we generalize the spatial autoregressive model with autoregressive and heteroskedastic disturbances, that is, SARAR(1, 1), by exploiting the recent advancements in score‐driven (SD) models typically used in time series econometrics. In particular, we allow for time‐varying spatial autoregressive coefficients as well as time‐varying regressor coefficients and cross‐sectional standard deviations. We report an extensive Monte Carlo simulation study in order to investigate the finite‐sample properties of the maximum likelihood estimator for the new class of models as well as its flexibility in explaining a misspecified dynamic spatial dependence process. The new proposed class of models is found to be economically preferred by rational investors through an application to portfolio optimization.