Regressing on distributions: The nonlinear effect of temperature on regional economic growth
以分布为回归变量：温度对区域经济增长的非线性影响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：摘要明确提出时间序列与面板方法，并应用于地区年度经济增长与日温度数据。
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…
关注这篇论文的作者
以分布为回归变量：温度对区域经济增长的非线性影响
- 研究问题
- 当温度等解释变量的观测频率高于经济结果时，如何保留其分布信息，并刻画温度均值与方差对区域增长的非线性影响？
- 方法与思路
- 作者用高频变量经验分布的矩构造低频回归变量，以神经网络刻画非线性及交互作用，并在随机非线性最小二乘框架下估计。
- 材料陈述的贡献
- 摘要称提出适用于时间序列与面板的回归框架，并以欧洲二百六十个地区的年度增长说明温度分布变化的经济影响分析。
- 阅读关注点
- 应核对所用分布矩、网络复杂度与面板依赖处理、数值 Hessian 置信区间的依据，以及未来温度情景评估的外推范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未说明因果识别、面板误差结构或区间有效性的完整条件。
原文摘要
A nonlinear regression framework is proposed for time series and panel data for the situation where certain explanatory variables are available at a higher temporal resolution than the dependent variable. The main idea is to use the moments of the empirical distribution of these variables to construct regressors with the correct resolution. As the moments are likely to display nonlinear marginal and interaction effects, an artificial neural network regression function is proposed. The corresponding model operates within the traditional stochastic nonlinear least squares framework. In particular, a numerical Hessian is employed to calculate confidence intervals. The practical usefulness is demonstrated by analyzing the influence of daily temperatures in 260 European NUTS2 regions on the yearly growth of gross value added in these regions in the time period 2000 to 2021. In the particular example, the model allows for an appropriate assessment of regional economic impacts resulting from (future) changes in the regional temperature distribution (mean AND variance).