Saddlepoint Approximations for Spatial Panel Data Models
空间面板数据模型的鞍点近似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：摘要明确研究空间面板模型，并以OECD国家投资与储蓄关系为应用，直接关联宏观面板分析。
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…
空间面板数据模型的鞍点近似
- 研究问题
- 对包含固定效应、时变协变量和空间相关误差的面板模型，如何改善高斯极大似然估计及检验的密度与尾部近似？
- 方法与思路
- 作者在非同分布设定下使用倾斜Edgeworth技术，构造鞍点密度和尾概率近似，并分析含干扰参数时的检验表现。
- 材料陈述的贡献
- 摘要给出随横截面与时间维度变化的相对误差阶，称近似密度非负且无需重抽样，并报告模拟和OECD投资储蓄应用。
- 阅读关注点
- 核对面板维度的渐近安排、空间权重及误差条件，检查相对误差保证的区域，并解释应用中两类检验结论为何不同。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；近似依赖模型与渐近条件，应用中的检验分歧本身不能证明某一经济结论正确。
原文摘要
We develop new higher-order asymptotic techniques for the Gaussian maximum likelihood estimator in a spatial panel data model, with fixed effects, time-varying covariates, and spatially correlated errors. Our saddlepoint density and tail area approximation feature relative error of order O(1/(n(T−1))) with n being the cross-sectional dimension and T the time-series dimension. The main theoretical tool is the tilted-Edgeworth technique in a nonidentically distributed setting. The density approximation is always nonnegative, does not need resampling, and is accurate in the tails. Monte Carlo experiments on density approximation and testing in the presence of nuisance parameters illustrate the good performance of our approximation over first-order asymptotics and Edgeworth expansion. An empirical application to the investment–saving relationship in OECD (Organisation for Economic Co-operation and Development) countries shows disagreement between testing results based on the first-order asymptotics and saddlepoint techniques. Supplementary materials for this article, including a standardized description of the materials available for reproducing the work, are available as an online supplement.