Estimation and inference for spatial models with heterogeneous coefficients: An application to US house prices
异质系数空间模型的估计与推断：美国房价应用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：摘要明确研究空间面板的异质系数，并用空间滞后描述地区间联系，因此归入面板数据与网络相互影响方向。
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…
异质系数空间模型的估计与推断：美国房价应用
- 研究问题
- 在空间面板中，如何识别和估计各地区不同的空间滞后系数，并在允许弱外生解释变量和异方差误差时进行有效推断？
- 方法与思路
- 作者发展拟极大似然估计，推导空间系数的识别条件，分析个体系数与均值组估计量，并通过蒙特卡洛模拟考察小样本性质。
- 材料陈述的贡献
- 摘要称，估计量具有一致性和渐近正态性；对美国 338 个都市统计区在 1975—2014 年房价变动的分析发现时空动态明显异质。
- 阅读关注点
- 核对空间权重矩阵、异质系数的识别条件、弱外生性的具体限制和渐近框架，并查看中等时间维度下模拟结果的适用范围。
- 阅读边界
- 摘要未说明空间权重设定、识别条件细节与实证不确定性；模拟表现和房价异质性结论的可推广范围仍需结合全文判断。
原文摘要
Summary This paper considers the estimation and inference of spatial panel data models with heterogeneous spatial lag coefficients, with and without weakly exogenous regressors, and subject to heteroskedastic errors. A quasi maximum likelihood (QML) estimation procedure is developed and the conditions for identification of the spatial coefficients are derived. The QML estimators of individual spatial coefficients, as well as their mean group estimators, are shown to be consistent and asymptotically normal. Small‐sample properties of the proposed estimators are investigated by Monte Carlo simulations and results are shown to be in line with the paper's key theoretical findings, even for panels with moderate time dimensions and irrespective of the number of cross‐section units. A detailed empirical application to US house price changes during the 1975–2014 period shows a significant degree of heterogeneity in spatiotemporal dynamics over the 338 Metropolitan Statistical Areas considered.