Quasi-Score Matching Estimation for Spatial Autoregressive Model with Random Weights Matrix and Regressors
随机权重矩阵与回归变量下空间自回归模型的拟得分匹配估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究通过权重矩阵描述的空间关联，并明确应用于社会网络实验，直接关联网络数据建模。
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
随机权重矩阵与回归变量下空间自回归模型的拟得分匹配估计
- 研究问题
- 在大样本空间自回归模型中，如何降低拟极大似然估计的计算负担，同时允许权重矩阵与回归变量具有随机性？
- 方法与思路
- 作者提出基于似然的拟得分匹配估计，减少拟极大似然的计算复杂度，并在随机权重矩阵及回归变量下建立渐近理论。
- 材料陈述的贡献
- 摘要称提供新的空间自回归渐近推断框架，并通过模拟和中学生反冲突社会网络实验案例展示估计与推断的用途。
- 阅读关注点
- 应核对得分匹配如何减少计算、随机权重与误差的关系，以及渐近有效性是否允许内生权重或仅适用于特定随机结构。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或期刊接收未核实；摘要未列明随机性条件、复杂度阶数及实证结果。
原文摘要
With the rapid advancements in technology for data collection, the application of the spatial autoregressive (SAR) model has become increasingly prevalent in real-world analysis, particularly when dealing with large datasets. However, the commonly used quasi-maximum likelihood estimation (QMLE) for the SAR model is not computationally scalable to handle the data with a large size. In addition, when establishing the asymptotic properties of the parameter estimators of the SAR model, both weights matrix and regressors are assumed to be nonstochastic in classical spatial econometrics, which is perhaps not realistic in real applications. Motivated by the machine learning literature, this paper proposes quasi-score matching estimation for the SAR model. This new estimation approach is developed based on the likelihood, but significantly reduces the computational complexity of the QMLE. The asymptotic properties of parameter estimators under the random weights matrix and regressors are established, which provides a new theoretical framework for the asymptotic inference of the SAR-type models. The usefulness of the quasi-score matching estimation and its asymptotic inference is illustrated via extensive simulation studies and a case study of an anti-conflict social network experiment for middle school students.