| Abstract: | Abstract We propose a pairwise difference estimator for partially linear spatial autoregressive models with heteroscedastic or/and spatially correlated error terms. In comparison with other competing estimators, e.g. the profile QMLE (Su & Jin, 2010) and the semiparametric GMM estimator (Su, 2012), our estimator has the advantage of computational simplicity particularly when one is interested in estimating the finite dimensional parameters in the model. Large sample properties of the estimator are formally established and a consistent estimate of the asymptotic CV matrix is provided. We then use the method to robustly estimate the effect of strategic interaction in deciding local school spending. RÉSUMÉ nous proposons un estimateur de différence par paire pour des modèles autorégressifs spatiaux partiellement linéaires, avec conditions d'erreurs à corrélation hétéroscédastique et/ou spatiale. Par rapport à d'autres estimateurs possibles, p.ex. le QMLE de profil (Su & Jin, 2010), et l'estimateur GMM semi-paramétrique (Su, 2012), notre estimateur présente l'avantage de la simplicité du calcul, notamment lorsque l'on s'intéresse à l'estimation des paramètres dimensionnels finis dans le modèle. Les propriétés de grand échantillon de l'estimateur sont établies officiellement, et une estimation homogène de la matrice CV asymptotique est fournie. Nous utilisons ensuite la méthode d'estimation consistante de l'effet de l'interaction stratégique dans les décisions sur les dépenses des écoles locales. EXTRACTO Proponemos un estimador de diferencias por pares para modelos autorregresivos espaciales parcialmente lineales con términos de error heteroscedásticos o/y espacialmente correlacionados. En comparación con otros estimadores competidores, p. ej., QMLE (Su & Jin, 2010) y el estimador GMM semiparamétrico (Su, 2012), nuestro estimador tiene la ventaja de la simplicidad computacional, particularmente cuando uno está interesado en estimar los parámetros dimensionales finitos en el modelo. Las propiedades de muestras grandes del estimador se establecen formalmente y se proporciona una estimación constante de la matriz CV asimptótica. Seguidamente, utilizamos el método para estimar contundentemente el efecto de la interacción estratégica para decidir el gasto de escuelas locales. 摘要 : 我们对部分线性空间自回归模型提出了–种成对差异估计量, 采用异方差或/和空间相关误差项。与其他估计量, 例如包络准最大似然估计 (Su & Jin, 2010) 和半参量 GMM 估计 (Su, 2012) 相比, 我们的估计量具有计算复杂度低的优势, 尤其是用于估计模型中的有限维度参数时。我们已经建立了这种估计方法的大采样样本, 还提供对渐近线 CV 矩阵的–致估计。接着, 使用这种方法, 我们透彻分析了政策对本地学校支出的影响。 |
