A semiparametric spatial dynamic model
一种半参数空间动态模型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：摘要明确讨论空间自回归与房价，但未说明网络干扰或其他所列细分方向的研究设定。
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…
一种半参数空间动态模型
- 研究问题
- 如何扩展普通空间自回归模型以容纳房价相关协变量的灵活影响，并区分模型中的参数和非参数组成部分？
- 方法与思路
- 作者提出半参数空间动态模型与剖面似然估计，研究组成部分的识别及二元函数的参数等效数量，并构造非参数 AIC/BIC。
- 材料陈述的贡献
- 摘要称，推导了估计量的渐近正态性并提出模型选择准则；模拟被作者描述为表现良好，另分析了波士顿房价数据。
- 阅读关注点
- 应核对空间依赖结构、组成部分识别条件、二元函数复杂度的计算，以及模型选择准则与房价应用的解释范围。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；具体条件、模拟数值与房价发现未提供，不能推断刊本变化或因果含义。
原文摘要
Stimulated by the Boston house price data, in this paper, we propose a semiparametric spatial dynamic model, which extends the ordinary spatial autoregressive models to accommodate the effects of some covariates associated with the house price. A profile likelihood based estimation procedure is proposed. The asymptotic normality of the proposed estimators are derived. We also investigate how to identify the parametric/nonparametric components in the proposed semiparametric model. We show how many unknown parameters an unknown bivariate function amounts to, and propose an AIC/BIC of nonparametric version for model selection. Simulation studies are conducted to examine the performance of the proposed methods. The simulation results show our methods work very well. We finally apply the proposed methods to analyze the Boston house price data, which leads to some interesting findings.