唐 洁

（广西师范大学数学与统计学院，广西桂林541004）

0 引言

含空间自回归误差的空间自回归模型(Spatial Autoregressive Model with Spatial Autoregressive Disturbanc⁃es，简记为SARAR):

其中，n是空间样本数量；ρj,j=1,2 是空间自回归系数且|ρj| ＜1,j=1,2；βk×1是相应回归系数向量；Xn=(x1,x2,…,xn)′是n×k数据矩阵,包括k列解释变量；Yn=(y1,y2,…,yn)′是n×1 维被解释变量;Wn和Mn是已知的n×n空间权重矩阵（非随机）；ϵ(n)是空间误差模型n×1 的误差向量

SARAR 模型是更一般的空间计量模型，它对存在空间依赖性的数据有较好的解释作用，无论是滞后项存在依赖性还是扰动项存在空间依赖性。它将存在空间误差效应的空间误差模型(SEM)与空间滞后效应的空间自回归模型(SAR)结合起来，分别对应于ρ1=0 与ρ2=0 的情形。

经验似然方法是由Owen 在文献[1]中提出的一种参数推断方法。通过经验似然方法研究SARAR 模型则是文献[2]的主要工作。但是经验似然方法在求解过程中会出现没有显示解的情况，且计算复杂。为了解决这些问题，Owen 在文献[3]中提出用经验欧氏似然来代替经验似然。而罗旭在文献[4]中，就系统地研究了经验欧氏似然，发现了可以很好地解决经验似然中的棘手问题，并且经验欧氏似然也同样拥有大样本性质。基于此，本文通过经验欧氏似然方法来研究SARAR 模型。

1 主要结果和证明

记An(ρ1) =In-ρ1Wn,Bn(ρ2) =In-ρ2Mn并且假设An(ρ1)和Bn(ρ2)是非奇异矩阵。于是可以得到：

此时，假设ϵ(n)是正态分布的，则Yn服从期望为An1(ρ1)Xn β，方差为的正态分布。

于是，Yn的拟似然函数为：

其中ϵ(n)=Bn(ρ2){An(ρ1)Yn-Xn β}。

进而，Yn的拟对数似然函数为：

令上述偏导数等于0，可以获得以下估计方程：

则Fi-1⊆Fi，是Fi-可测的，并且E(|Fi-1) =0。因此，{,Fi,1≤i≤n}和{,Fi,1≤i≤n}构成两个鞅差序列……