Spatial Econometrics for Misaligned Data
地理位置错配数据的空间计量方法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。
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：摘要明确属于空间计量与地理错配回归，给定分类中没有空间计量项，其他方向证据不足。
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
地理位置错配数据的空间计量方法
- 研究问题
- 当解释变量与被解释变量的观测地理位置不一致时，如何进行回归分析，并避免估计或预先设定回归误差的协方差？
- 方法与思路
- 作者为地理位置错配数据开发两种互补回归方法，绕开误差协方差的估计或指定，并对一项既有实证研究进行详细再分析。
- 材料陈述的贡献
- 摘要称两种方法支持错配数据回归；再分析发现具有经济意义的定量差异，同时保留了原研究的大多数定性结论。
- 阅读关注点
- 应核对位置错配的形式、两种方法各自的数据要求及回归目标，并审查误差协方差如何被绕开及再分析差异的来源。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未给具体方法、识别条件和差异数值，无法判断普遍适用性。
原文摘要
We produce methodology for regression analysis when the geographic locations of the independent and dependent variables do not coincide, in which case we speak of misaligned data. We develop and investigate two complementary methods for regression analysis with misaligned data that circumvent the need to estimate or specify the covariance of the regression errors. We carry out a detailed reanalysis of Maccini and Yang (2009) and find economically significant quantitative differences but sustain most qualitative conclusions.