A design-based approach to spatial correlation
空间相关的设计型分析方法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：摘要讨论通用空间相关标准误，未明确聚焦因果效应、网络干扰或其他所列细分方向。
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
空间相关的设计型分析方法
- 研究问题
- 空间数据应报告何种标准误？研究考察抽样方案、处理分配与模型设定如何影响空间相关调整，以及抽样概率为何影响选择。
- 方法与思路
- 作者在有限总体框架下区分三类空间相关来源，比较异方差稳健、聚类稳健与空间异方差自相关稳健标准误。
- 材料陈述的贡献
- 摘要称，文章针对线性与非线性估计量给出空间相关标准误的调整指南，并指出调整需求还取决于抽样概率的大小。
- 阅读关注点
- 应核对三类相关来源的形式化定义、各种标准误对应的推断对象，以及抽样概率如何进入比较结果与实际选择规则。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断各比较结论的具体条件与有限样本适用性；也不能推断后续刊本变化。
原文摘要
When observing spatial data, what standard errors should we report? With the finite population framework, we identify three channels of spatial correlation: sampling scheme, assignment design, and model specification. The Eicker-Huber-White standard error, the cluster-robust standard error, and the spatial heteroskedasticity and autocorrelation consistent standard error are compared under different combinations of the three channels. Then, we provide guidelines for whether standard errors should be adjusted for spatial correlation for both linear and nonlinear estimators. As it turns out, the answer to this question also depends on the magnitude of the sampling probability.