Asymptotic Distributions of Quasi-Maximum Likelihood Estimators for Spatial Autoregressive Models
空间自回归模型准最大似然估计量的渐近分布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：摘要明确以空间权重矩阵描述单位之间的邻接影响和相互依赖，因此归入网络与干扰；这一分类不表示已建立因果识别。
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
空间自回归模型准最大似然估计量的渐近分布
- 研究问题
- 空间自回归模型的似然估计量如何随空间权重矩阵及邻居数量改变收敛速度与极限分布，何时可能出现信息矩阵非正规性？
- 方法与思路
- 作者分析最大似然与准最大似然估计的渐近性质，区分每个单位仅受少数邻居影响和受许多邻居影响的空间情形。
- 材料陈述的贡献
- 摘要称少邻居情形下估计量可能渐近正态，多邻居情形下信息矩阵可能不规则，且不同参数分量可具有不同收敛速度。
- 阅读关注点
- 阅读全文时应核对空间权重矩阵的限制、邻居数量随样本增长的方式，以及各参数分量的收敛速度和渐近正态性条件。
- 阅读边界
- 所给摘要中少邻居情形的收敛速度公式缺失，不能自行补全；权重矩阵条件、误差分布假设与具体极限分布也未说明。
原文摘要
This paper investigates asymptotic properties of the maximum likelihood estimator and the quasi-maximum likelihood estimator for the spatial autoregressive model. The rates of convergence of those estimators may depend on some general features of the spatial weights matrix of the model. It is important to make the distinction with different spatial scenarios. Under the scenario that each unit will be influenced by only a few neighboring units, the estimators may have -rate of convergence and be asymptotically normal. When each unit can be influenced by many neighbors, irregularity of the information matrix may occur and various components of the estimators may have different rates of convergence.