Moran's I 2-Stage Lasso: for Models with Spatial Correlation and Endogenous Variables
Moran's I 两阶段 Lasso：处理空间相关与内生变量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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以处理内生性、估计协变量直接效应及工具变量应用为目标，与因果推断最直接相关。
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…
Moran's I 两阶段 Lasso：处理空间相关与内生变量
- 研究问题
- 当解释变量内生且存在空间相关时，能否不显式设定空间相关过程，仍估计协变量直接效应并改善工具变量第一阶段？
- 方法与思路
- 作者结合特征向量空间滤波与两阶段 Lasso，使用标准化 Moran's I 设置惩罚调节参数，以处理空间相关和内生性。
- 材料陈述的贡献
- 摘要称，在相关特征向量支持集已知时给出一致性与渐近正态性条件；模拟及工具变量应用展示估计与第一阶段表现。
- 阅读关注点
- 应核对支持集已知这一理论前提、实际特征向量选择、工具变量有效性，以及调节参数规则与第一阶段改善的评价标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要中的理论以支持集已知为前提，未说明未知支持集下的相同保证。
原文摘要
We propose a novel estimation procedure for models with endogenous variables in the presence of spatial correlation based on Eigenvector Spatial Filtering. The procedure, called Moran's $I$ 2-Stage Lasso (Mi-2SL), uses a two-stage Lasso estimator where the Standardised Moran's I is used to set the Lasso tuning parameter. Unlike existing spatial econometric methods, this has the key benefit of not requiring the researcher to explicitly model the spatial correlation process, which is of interest in cases where they are only interested in removing the resulting bias when estimating the direct effect of covariates. We show the conditions necessary for consistent and asymptotically normal parameter estimation assuming the support (relevant) set of eigenvectors is known. Our Monte Carlo simulation results also show that Mi-2SL performs well against common alternatives in the presence of spatial correlation. Our empirical application replicates Cadena and Kovak (2016) instrumental variables estimates using Mi-2SL and shows that in that case, Mi-2SL can boost the performance of the first stage.