A Two‐Stage Approach to Spatio‐Temporal Analysis with Strong and Weak Cross‐Sectional Dependence
强弱截面依赖下时空分析的两阶段方法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。
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：摘要讨论一般网络分析，并通过去因子后的双边相关识别都市区联系，直接对应单位间网络连接的估计。
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…
强弱截面依赖下时空分析的两阶段方法
- 研究问题
- 经济与社会活动中的跨单位相关，哪些来自共同因子，哪些体现空间联系；如何据此识别正负连接并刻画时空动态？
- 方法与思路
- 作者先用跨单位均值提取共同因子，并与主成分法比较；再对去因子数据实施多重检验识别双边相关，估计异质时空模型。
- 材料陈述的贡献
- 摘要称该方法区分共同因子引起的强截面依赖与空间联系；美国都市区实际房价变动应用发现显著的正向和负向连接。
- 阅读关注点
- 阅读全文时核对共同因子提取条件、多重检验的误差控制，以及相关连接的经济含义和相较距离邻接规则的证据。
- 阅读边界
- 摘要未说明因子去除和空间模型识别所需条件，也未给出效应大小；显著双边相关本身不能证明地区间的因果传导。
原文摘要
Summary An understanding of the spatial dimension of economic and social activity requires methods that can separate out the relationship between spatial units that is due to the effect of common factors from that which is purely spatial even in an abstract sense. The same applies to the empirical analysis of networks in general. We use cross‐unit averages to extract common factors (viewed as a source of strong cross‐sectional dependence) and compare the results with the principal components approach widely used in the literature. We then apply multiple testing procedures to the de‐factored observations in order to determine significant bilateral correlations (signifying connections) between spatial units and compare this to an approach that just uses distance to determine units that are neighbours. We apply these methods to real house price changes at the level of Metropolitan Statistical Areas in the USA, and estimate a heterogeneous spatio‐temporal model for the de‐factored real house price changes and obtain significant evidence of spatial connections, both positive and negative. Copyright © 2015 John Wiley & Sons, Ltd.