Semiparametric Spatial Autoregressive Models With Endogenous Regressors: With an Application to Crime Data
含内生解释变量的半参数空间自回归模型：犯罪数据应用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：摘要明确研究警亭对入室盗窃率的影响，并处理警亭设置的内生性，因此最直接对应因果推断方向。
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
含内生解释变量的半参数空间自回归模型：犯罪数据应用
- 研究问题
- 在空间自回归模型中，如何同时处理解释变量内生性及其在空间单元间的异质影响，并估计邻里警亭对家庭入室盗窃率的作用？
- 方法与思路
- 作者提出半参数级数广义矩估计，允许内生解释变量及空间异质效应，并在东京犯罪数据中估计邻里警亭对家庭入室盗窃率的影响。
- 材料陈述的贡献
- 摘要称估计量一致且渐近正态；东京应用显示警亭有助于降低入室盗窃率，部分变量效应异质，忽略警亭内生性时未见显著关系。
- 阅读关注点
- 核对空间权重矩阵、工具变量与矩条件的构造，级数逼近及渐近理论的成立条件，并检查警亭选址内生性和居住分布异质性的处理。
- 阅读边界
- 摘要未说明工具变量来源、有效性依据或空间权重设定，也未给出效应量；仅凭摘要无法判断警亭效应的因果识别是否充分。
原文摘要
This study considers semiparametric spatial autoregressive models that allow for endogenous regressors, as well as the heterogenous effects of these regressors across spatial units. For the model estimation, we propose a semiparametric series generalized method of moments estimator. We establish that the proposed estimator is both consistent and asymptotically normal. As an empirical illustration, we apply the proposed model and method to Tokyo crime data to estimate how the existence of a neighborhood police substation (NPS) affects the household burglary rate. The results indicate that the presence of an NPS helps reduce household burglaries, and that the effects of some variables are heterogenous with respect to residential distribution patterns. Furthermore, we show that using a model that does not adjust for the endogeneity of NPS does not allow us to observe the significant relationship between NPS and the household burglary rate. Supplementary materials for this article are available online.