Estimating a spatial autoregressive model with an endogenous spatial weight matrix
空间权重矩阵内生时的空间自回归模型估计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：摘要围绕空间权重所定义的单元间联系及其内生性展开，与网络相互依赖方向直接相关。
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
空间权重矩阵内生时的空间自回归模型估计
- 研究问题
- 当空间权重由经济因素决定、严格外生性可能失效时，如何设定并估计空间自回归模型，处理权重矩阵的内生性？
- 方法与思路
- 作者提出带内生空间权重矩阵的 SAR 模型，并给出两阶段工具变量、拟极大似然和广义矩三种估计方法。
- 材料陈述的贡献
- 摘要称，三种估计量具有一致性和渐近正态性，并通过蒙特卡洛研究其有限样本性质，为内生空间权重提供估计框架。
- 阅读关注点
- 应核对空间权重的生成机制、工具变量或矩条件、模型识别与稳定性要求，以及三种方法各自依赖的信息和假设。
- 阅读边界
- 仅据所给出版社摘要，无法确定哪些权重内生机制可识别、工具变量如何构造或方法间的数值差异；也不能推断其他版本变化。
原文摘要
The spatial autoregressive (SAR) model is a standard tool for analyzing data with spatial correlation. Conventional estimation methods rely on the key assumption that the spatial weight matrix is strictly exogenous, which would likely be violated in some empirical applications where spatial weights are determined by economic factors. This paper presents model specification and estimation of the SAR model with an endogenous spatial weight matrix. We provide three estimation methods: two-stage instrumental variable (2SIV) method, quasi-maximum likelihood estimation (QMLE) approach, and generalized method of moments (GMM). We establish the consistency and asymptotic normality of these estimators and investigate their finite sample properties by a Monte Carlo study.