Efficient estimation of the semiparametric spatial autoregressive model
半参数空间自回归模型的有效估计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：摘要研究空间自回归参数估计，空间关联提供网络与干扰方向的直接文本依据。
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
半参数空间自回归模型的有效估计
- 研究问题
- 在解释变量非随机、创新分布未知且可能非正态的空间自回归模型中，如何构造达到相应效率水平的参数估计？
- 方法与思路
- 作者用级数非参数方法估计未知创新分布的得分函数，构造两种适应性估计量，并以蒙特卡洛研究有限样本表现。
- 材料陈述的贡献
- 摘要称适应性估计可达到正确分布设定下的效率，并在非高斯分布下比伪高斯最大似然估计更有效率。
- 阅读关注点
- 应核对两种估计量各自的正则条件、得分函数级数选择、空间权重限制，以及效率比较所依赖的渐近框架。
- 阅读边界
- 所列出版社摘要未提供具体条件和模拟数值；效率结论有模型及分布前提，不能直接推断所有有限样本下均有优势。
原文摘要
Efficient semiparametric and parametric estimates are developed for a spatial autoregressive model, containing non-stochastic explanatory variables and innovations suspected to be non-normal. The main stress is on the case of distribution of unknown, nonparametric, form, where series nonparametric estimates of the score function are employed in adaptive estimates of parameters of interest. These estimates are as efficient as the ones based on a correct form, in particular they are more efficient than pseudo-Gaussian maximum likelihood estimates at non-Gaussian distributions. Two different adaptive estimates are considered, relying on somewhat different regularity conditions. A Monte Carlo study of finite sample performance is included.