Spatial Economics for Granular Settings
细粒度情境中的空间经济学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：摘要明确研究量化空间模型的校准与反事实，以及个人对居住地和工作地组合的选择。
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
细粒度情境中的空间经济学
- 研究问题
- 当个人从大量居住地与工作地组合中选择时，有限样本的个体偶然选择如何影响空间模型校准及反事实预测？
- 方法与思路
- 作者结合解析例子、蒙特卡洛模拟与社区就业繁荣事件研究，比较校准方式，并构建包含有限个体的量化空间模型。
- 材料陈述的贡献
- 摘要称将观测份额直接等同模型概率的校准表现很差，简约空间联系设定更好；有限个体模型揭示反事实不确定性。
- 阅读关注点
- 应核对份额匹配为何失效、简约空间联系如何设定，以及有限个体随机性如何传递到纽约亚马逊总部反事实。
- 阅读边界
- 摘要未说明模型识别、参数估计及预测误差数值；事件研究的出现不自动证明因果识别，反事实结论也依赖具体模型。
原文摘要
We examine the application of quantitative spatial models to the growing body of fine spatial data used to study local economic outcomes. In granular settings in which people choose from a large set of potential residence‐workplace pairs, observed outcomes in part reflect idiosyncratic choices. Using analytical examples, Monte Carlo simulations, and event studies of neighborhood employment booms, we demonstrate that calibration procedures that equate observed shares and modeled probabilities perform very poorly in these high‐dimensional settings. Parsimonious specifications of spatial linkages deliver better counterfactual predictions. To quantify the uncertainty about counterfactual outcomes induced by the idiosyncratic component of individuals' decisions, we introduce a quantitative spatial model with a finite number of individuals. Applying this model to Amazon's proposed second headquarters in New York City reveals that its predicted consequences for most neighborhoods vary substantially across realizations of the individual idiosyncrasies.