The Bias of Estimators of Causal Spatial Autoregressive Processes
因果型空间自回归过程估计量的偏差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：摘要研究二维格点空间自回归，未明确网络干扰或处理效应，且不属于通常的一维时间序列设定。
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
因果型空间自回归过程估计量的偏差
- 研究问题
- 在矩形格点区域观测二维因果型自回归过程时，Yule–Walker 与最小二乘估计的渐近偏差有何差异。
- 方法与思路
- 作者分析两类估计量的渐近分布，推导 Yule–Walker 偏差表达，并考察替换样本自协方差的效果。
- 材料陈述的贡献
- 摘要称给出 Yule–Walker 估计的显式渐近偏差，并指出使用无偏样本自协方差或最小二乘可消除该偏差。
- 阅读关注点
- 核对二维过程的因果型定义、观测区域的增长方式，以及边界处理、自协方差归一化与偏差的联系。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；渐近条件和有限样本表现未说明，题名中的因果型不能解读为处理效应识别。
原文摘要
We study the asymptotic distribution of Yule-Walker and least squares estimators for twodimensional causal autoregressive processes observed on a rectangular part of a lattice. An explicit expression for the asymptotic bias of Yule-Walker estimators is obtained. It is shown that this bias disappears if we use the so-called unbiased sample autocovariance function or least squares estimators.