Spatial Unit Roots and Spurious Regression
空间单位根与伪回归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：摘要研究空间持久性与空间回归，时间序列仅作类比，现有细分中没有直接对应的空间计量类别。
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
空间单位根与伪回归
- 研究问题
- 经济变量存在强空间依赖时，回归是否会产生虚假显著性，聚类或空间HAC标准误能否纠正，以及如何检测这种依赖？
- 方法与思路
- 作者建立空间单位根模型，推导大样本有效的单位根与平稳性检验，并用模拟考察空间一阶差分等有效推断策略。
- 材料陈述的贡献
- 摘要称空间单位根可导致聚类或空间HAC修正后仍显著的伪回归，并提出检测方法，利用既有地区回归说明问题。
- 阅读关注点
- 应核对空间索引和大样本序列如何定义、检验区分哪些持久性过程，以及空间差分后回归参数的含义与推断条件。
- 阅读边界
- 仅据所给Crossref版本摘要，无法确定空间模型、检验实施条件或各修正策略的效果；也不能推断后续版本变化。
原文摘要
This paper proposes a model for, and investigates the consequences of, strong spatial dependence in economic variables. Our findings echo those of the corresponding “unit root” time series literature: Spatial unit root processes induce spuriously significant regression results, even with clustered standard errors or spatial HAC corrections. We develop large‐sample valid unit root and stationarity tests that can detect such strong spatial dependence. Finally, we use simulations to study strategies for valid inference in regressions with persistent spatial data, such as spatial analogues of first‐differencing transformations. Regressions from Chetty, Hendren, Kline, and Saez (2014) are used to illustrate the issues and methods.