• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Econometric Reviews >Partial ML estimation for spatial autoregressive nonlinear probit models with autoregressive disturbances
【24h】

Partial ML estimation for spatial autoregressive nonlinear probit models with autoregressive disturbances

机译：自回归干扰空间自回归非线性概率模型的部分ML估计

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we propose a Partial MLE (PMLE) for a general spatial nonlinear probit model, i.e., SARAR(1,1) probit, defined through a SARAR(1,1) latent linear model. This model encompasses both the SAE(1) probit and the more interesting SAR(1) probit models, already considered in the literature. We provide a complete asymptotic analysis of our PMLE as well as appropriate definitions of the marginal effects. Moreover, we address the issue of the choice of the groups (couples, in our case) by proposing an algorithm based on a minimum KL divergence problem. Finite sample properties of the PMLE are studied through extensive Monte Carlo simulations. In particular, we consider both sparse and dense matrices for the true spatial model specifications, and cases of model misspecification given wrong assumed weighting matrices. In a real data example, we finally also compare our estimator with different MLE-based estimators and with the Bayesian approach.
机译：在本文中，我们提出了一种用于通用空间非线性探测模型的部分MLE（PMLE），即通过Sarar（1,1）潜在线性模型定义的Sarar（1,1）探测器。该模型包括SAE（1）概率和更有趣的SAR（1）概率模型，已经在文献中考虑。我们为我们的PMLE提供完整的渐近分析以及边际效应的适当定义。此外，我们通过提出基于最小KL发散问题的算法来解决群体选择（在我们的案件中的夫妇）的问题。通过广泛的蒙特卡罗模拟研究了PMLE的有限样本性质。特别是，我们考虑真正空间模型规范的稀疏和密集矩阵，以及给出错误假设的加权矩阵的模型拼写案例。在一个真实的数据示例中，我们最终还将我们的估算器与基于不同的MLE的估算器和贝叶斯方法进行了比较。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号