A spatial autoregressive model with a nonlinear transformation of the dependent variable
因变量非线性变换的空间自回归模型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：摘要明确强调份额数据的结构性交互模型及其空间自回归估计，对应网络与干扰、结构估计两个方向。
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
因变量非线性变换的空间自回归模型
- 研究问题
- 如何在空间自回归模型中允许因变量的非线性变换，尤其如何描述份额数据中的结构性交互，并开展估计和模型比较？
- 方法与思路
- 作者构造非线性空间自回归模型，考察工具变量与极大似然估计，利用空间近历依赖分析渐近性质，并设计变换比较检验。
- 材料陈述的贡献
- 摘要明确提出适用于份额数据交互建模的框架，研究两类估计方法的渐近性质，并安排模拟考察估计表现及检验水平和功效。
- 阅读关注点
- 应核对份额约束如何进入模型、交互结构与工具变量如何设定，以及空间近历依赖条件和变换比较检验的原假设。
- 阅读边界
- 仅据所给 RePEc 出版社摘要；识别条件、空间结构及模拟结果未具体报告，不能判断估计方法优劣，也不推断版本变化。
原文摘要
This paper develops a nonlinear spatial autoregressive model. Of particular interest is a structural interaction model for share data. We consider possible instrumental variable (IV) and maximum likelihood estimation (MLE) for this model, and analyze asymptotic properties of the IV and MLE based on the notion of spatial near-epoch dependence. We also design a statistical test to compare the nonlinear transformation against alternatives. Monte Carlo experiments are designed to investigate finite sample performance of the proposed estimates and the sizes and powers of the test.