Joint spatial modeling of mean and non-homogeneous variance combining semiparametric SAR and GAMLSS models for hedonic prices
结合半参数 SAR 与 GAMLSS 的特征价格均值和异质方差空间建模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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要核心是空间回归及住房价格均值和方差建模，给定细分没有直接对应方向，也未明确研究分位数或因果分布效应。
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…
结合半参数 SAR 与 GAMLSS 的特征价格均值和异质方差空间建模
- 研究问题
- 在住房特征价格分析中，如何同时描述价格均值、异质方差与空间依赖，并允许协变量通过半参数形式影响这些特征？
- 方法与思路
- 作者结合半参数空间自回归与 GAMLSS 思路，以广义加性模型在均值和方差中加入非参数项，并开展理论、模拟及波哥大应用。
- 材料陈述的贡献
- 摘要称，该方法可联合刻画均值与方差，模拟中改善预测及空间自回归参数估计；住房应用展示了价格变异性的分析能力。
- 阅读关注点
- 应核对空间权重与依赖参数的设定、均值方差联合估计步骤、统计性质的条件，以及模拟基准和预测误差的比较方式。
- 阅读边界
- 所据为 arXiv 预印本，同行评审与期刊接收未核实；摘要未列具体统计性质、改进幅度或完整模型，不能据此确认普遍优势。
原文摘要
In the context of spatial econometrics, it is very useful to have methodologies that allow modeling the spatial dependence of the observed variables and obtaining more precise predictions of both the mean and the variability of the response variable, something very useful in territorial planning and public policies. This paper proposes a new methodology that jointly models the mean and the variance. Also, it allows to model the spatial dependence of the dependent variable as a function of covariates and to model the semiparametric effects in both models. The algorithms developed are based on generalized additive models that allow the inclusion of non-parametric terms in both the mean and the variance, maintaining the traditional theoretical framework of spatial regression. The theoretical developments of the estimation of this model are carried out, obtaining desirable statistical properties in the estimators. A simulation study is developed to verify that the proposed method has a remarkable predictive capacity in terms of the mean square error and shows a notable improvement in the estimation of the spatial autoregressive parameter, compared to other traditional methods and some recent developments. The model is also tested on data from the construction of a hedonic price model for the city of Bogota, highlighting as the main result the ability to model the variability of housing prices, and the wealth in the analysis obtained.