Inference on higher-order spatial autoregressive models with increasingly many parameters

این مقاله، سازگاری و نرمال بودن ضریب تخمین پارامترهای مدل اتورگرسی فضایی مرتبه بالاتر را مرتفع می کند که مرتبه و تعداد رگرسیون ها به آرامی با اندازه نمونه می توانند به بی نهایت نزدیک شوند. محاسبات حداقل مربعات و متغیرهای ابزار مورد بررسی قرار گرفته و میزان مجاز رشد ابعاد پارامتر نسبت به اندازه نمونه مورد بررسی قرار گرفته است. علاوه بر اجازه دادن به تعدادی از پارامترها برای افزایش داده ها، این مزیت را دارد که بتوان با رعایت بعضی از رژیم های نامتقارن که توسط برخی تنظیمات فضایی پیشنهاد شده اند، چند مورد بحث شده است. یک نمونه تجربی کوچک نیز گنجانده شده است، و مطالعه مونت کارلو، پیامدهای متفاوتی از نظریه را در نمونه های محدود بررسی می کند.