Profile quasi-maximum likelihood estimation of partially linear spatial autoregressive models
部分线性空间自回归模型的剖面准最大似然估计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：摘要明确以空间权重矩阵刻画观测间依赖，对应网络与干扰方向中的空间关联建模。
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
部分线性空间自回归模型的剖面准最大似然估计
- 研究问题
- 如何估计包含非参数组成部分的空间自回归模型，空间权重矩阵的特征又如何影响参数收敛与带宽选择？
- 方法与思路
- 作者提出剖面准最大似然方法，分析空间参数、其他有限维参数和非参数部分的渐近性质，并通过模拟考察表现。
- 材料陈述的贡献
- 摘要称空间参数收敛率依赖权重矩阵特征，非参数部分一致且带宽限制随空间权重性质变化，模拟支持其理论。
- 阅读关注点
- 应核对空间权重的增长及稀疏性条件、剖面化步骤和带宽限制，并查明摘要中缺失的有限维参数收敛率符号。
- 阅读边界
- 所列出版社摘要存在收敛率公式缺失，不能自行补全；具体空间条件、模拟数值及因果解释所需依据也未说明。
原文摘要
We propose profile quasi-maximum likelihood estimation of spatial autoregressive models that are partially linear. The rate of convergence of the spatial parameter estimator depends on some general features of the spatial weight matrix of the model. The estimators of other finite-dimensional parameters in the model have the regular -rate of convergence and the estimator of the nonparametric component is consistent but with different restrictions on the choice of bandwidth parameter associated with different natures of the spatial weights. Monte Carlo simulations verify our theory and indicate that our estimators perform reasonably well in finite samples.