SPATIAL FILTERING, MODEL UNCERTAINTY AND THE SPEED OF INCOME CONVERGENCE IN EUROPE
空间滤波、模型不确定性与欧洲收入收敛速度AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要说明区域增长的空间相关与模型平均，但未明确面板结构，也不足以归入微观网络与干扰。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
空间滤波、模型不确定性与欧洲收入收敛速度
- 研究问题
- 估计欧洲区域增长与收入收敛时，如何同时处理解释变量选择和空间联系的不确定性？忽略空间权重选择会怎样影响参数判断？
- 方法与思路
- 作者结合贝叶斯模型平均与空间滤波，整合回归变量及空间联系的不确定性，并应用于欧洲 255 个 NUTS-2 地区的增长数据。
- 材料陈述的贡献
- 摘要称空间权重不确定性明显影响参数估计；整合不确定性后，人力资本投资与收敛动态较稳健，空间相关增长溢出作用较大。
- 阅读关注点
- 核对空间滤波构造、候选权重矩阵与模型权重，并检查收敛速度的计算和溢出解释，以及稳健决定因素的判定标准。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定空间联系假设、收敛速度数值及因果识别；空间相关性本身不足以确认增长溢出的因果机制。
原文摘要
SUMMARY In this paper we put forward a Bayesian model averaging method aimed at performing inference under model uncertainty in the presence of potential spatial autocorrelation. The method uses spatial filtering in order to account for uncertainty in spatial linkages. Our procedure is applied to a dataset of income per capita growth and 50 potential determinants for 255 NUTS‐2 European regions. We show that ignoring uncertainty in the type of spatial weight matrix can have an important effect on the estimates of the parameters attached to the model covariates. After integrating out the uncertainty implied by the choice of regressors and spatial links, human capital investments and transitional dynamics related to income convergence appear as the most robust determinants of growth at the regional level in Europe. Our results imply that a quantitatively important part of the income convergence process in Europe is influenced by spatially correlated growth spillovers. Copyright © 2012 John Wiley & Sons, Ltd.