GMM estimation of spatial autoregressive models with unknown heteroskedasticity
未知异方差下空间自回归模型的 GMM 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：摘要明确研究空间自回归，并以县级结果变量的空间趋同为应用。
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
未知异方差下空间自回归模型的 GMM 估计
- 研究问题
- 当空间自回归模型的扰动存在未知异方差时，如何获得稳健估计与有效推断，并改善忽略异方差方法的表现？
- 方法与思路
- 作者利用特定矩条件构造 GMM，以一致协方差估计进行渐近推断，并通过最优加权提高效率及开展县级应用。
- 材料陈述的贡献
- 摘要称该方法可对异方差保持稳健并实现有效推断；县级青少年怀孕率应用报告了较强的空间趋同。
- 阅读关注点
- 应核对矩条件对异方差和空间依赖的限制、协方差估计及最优权重构造，并确认实证中空间趋同的定义。
- 阅读边界
- 所列出版社摘要未列出具体矩条件、效率增益或实证系数；空间趋同发现不能仅凭摘要解释为因果溢出效应。
原文摘要
In the presence of heteroskedastic disturbances, the MLE for the SAR models without taking into account the heteroskedasticity is generally inconsistent. The 2SLS estimates can have large variances and biases for cases where regressors do not have strong effects. In contrast, GMM estimators obtained from certain moment conditions can be robust. Asymptotically valid inferences can be drawn with consistently estimated covariance matrices. Efficiency can be improved by constructing the optimal weighted estimation. The approaches are applied to the study of county teenage pregnancy rates. The empirical results show a strong spatial convergence among county teenage pregnancy rates.