Modeling Commuter Mobility in Stockholm: A Spatial Panel Approach Using Mobile Phone Data
斯德哥尔摩通勤流动建模：基于手机数据的空间面板方法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：摘要明确使用区域层面的空间杜宾面板模型研究通勤行为，最直接对应面板数据。
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…
斯德哥尔摩通勤流动建模：基于手机数据的空间面板方法
- 研究问题
- 人口与社会经济条件如何关联斯德哥尔摩地区的通勤流动，这些关联通过区域间空间联系传播时，直接效应与溢出效应有何差别？
- 方法与思路
- 作者使用手机来源的区域间通勤流量，构建异方差空间杜宾面板模型，以贝叶斯 MCMC 估计，并通过偏导数矩阵概括直接与间接效应。
- 材料陈述的贡献
- 摘要称空间溢出效应超过直接效应，教育程度和汽车拥有量是主要相关因素；该框架展示了忽略区域联系可能遗漏的通勤关联。
- 阅读关注点
- 应核对手机数据的代表性、空间权重选择依据、异方差与面板结构的处理，以及偏导数效应是否足以支持摘要中的政策回报解释。
- 阅读边界
- 所用版本为 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明因果识别条件，模型关联不能直接确认为区域政策的因果回报。
原文摘要
This paper examines the sociodemographic and socioeconomic determinants of regional commuter mobility in the Greater Stockholm Area using a heteroscedastic spatial Durbin panel data model estimated via Bayesian Markov Chain Monte Carlo methods. Drawing on mobile phone-derived origin-destination flows from the MIND database, the analysis exploits unusually fine spatial and temporal granularity across a balanced panel of 675 regions over the period 2018-2023. A k-nearest neighbor spatial weight matrix (k = 18), selected via Bayesian model comparison, captures the topological structure of interregional connectivity. By modeling spatial lags in both the dependent and independent variables, the framework enables explicit recovery of direct (own-region) and indirect (spillover) effects from scalar summary measures of the matrix of partial derivatives -- providing robust posterior inference on how sociodemographic and socioeconomic conditions propagate through space. This approach addresses a key limitation of conventional non-spatial methods, which risk producing biased estimates by ignoring spatial interdependence. Empirical results confirm that spatial spillovers predominate over direct effects, with educational attainment and car ownership emerging as the principal determinants of commuter mobility, while age composition plays a comparatively modest role. These findings underscore that evaluating direct effects in isolation systematically underestimates the broader societal returns to mobility-enhancing regional policies.