Dynamic spatial panel data models with common shocks
具有共同冲击的动态空间面板数据模型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：摘要直接研究动态空间面板及横截面依赖，未提供宏观应用依据。
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
具有共同冲击的动态空间面板数据模型
- 研究问题
- 动态空间面板同时存在弱、强横截面相关及异方差时，如何构造准最大似然估计，并正确描述其渐近分布与方差？
- 方法与思路
- 作者用空间结构刻画弱相关、因子结构刻画强相关，在显式允许异方差的模型中提出 QMLE，并推导渐近理论。
- 材料陈述的贡献
- 摘要称，方法可同时处理两类横截面依赖；估计异方差后，QMLE 的极限方差不具有三明治形式，模拟显示较好有限样本表现。
- 阅读关注点
- 应核对空间权重与因子结构的识别、异方差估计方式、横截面和时间维度增长条件，以及非三明治方差公式的来源。
- 阅读边界
- 仅据所给出版社摘要，无法确认渐近性质的具体条件或模拟优势大小；其关于误设同方差导致不一致的结论需结合模型核对。
原文摘要
This paper studies dynamic spatial panel data models with common shocks to deal with both weak and strong cross-sectional correlations. Weak correlations are captured by a spatial structure and strong correlations are captured by a factor structure. The proposed quasi-maximum likelihood estimator (QMLE) is capable of handling both types of cross sectional dependence. We provide a rigorous analysis for the asymptotic theory of the QMLE, demonstrating its desirable properties. Heteroskedasticity is explicitly allowed. This is important because QML is inconsistent in the presence of heteroskedasticity while homoskedasticity is imposed. We further show that when heteroskedasticity is estimated, the limiting variance of QMLE is not a sandwich form regardless of normality. Monte Carlo simulations show that the QMLE has good finite sample properties.