该文研究了空间自回归Tobit模型的sieve极大似然估计量。对于空间自回归Tobit模型，如果干扰项不服从正态分布，极大似然估计量是不一致的，并且可能有大的偏差。文章运用余弦函数逼近干扰项的分布密度和分布函数，然后做极大似然估计。推导出具有空间相关性和异质性随机变量的指数不等式，并且运用它从理论上证明了估计量的一致性和结构参数的渐近正态性。模拟结果显示提出的估计量有相当的稳健性，对于几种不同分布的干扰项，都有较小的偏差和标准差。如果干扰项服从正态分布，则以极大的概率得到极大似然估计量。
Journal of Econometrics是厦门大学的经济学国际A类期刊之一，也是教育部认可的12本经济学国际期刊之一。该期刊由Elsevier出版，2016年影响因子为1.633，近五年平均影响因子为2.407。
许杏柏，2016年博士毕业美国立大学，现任厦门大学王亚南经济研究院（WISE）与经济学院统计系助理教授，研究领域为计量经济理论、空间计量。目前主持国家自然科学基金项目1项，迄今已有3篇论文发表在Journal of Econometrics上。