Polynomial approximations in cross‐sectional models
横截面模型中的多项式近似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：摘要重点是横截面与空间模型的系数平滑，未明确提供面板应用或网络干扰识别，给定细分证据不足。
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
横截面模型中的多项式近似
- 研究问题
- 当回归系数随年龄组等横截面分组或空间距离系统变化时，如何用多项式与其他平滑限制表达这种系数变化？
- 方法与思路
- 作者将分布滞后中的平滑思路用于跨方程系数变化，以 Almon 多项式分析年龄别家庭形成，并以多项式和几何平滑分析区域犯罪。
- 材料陈述的贡献
- 摘要展示跨方程平滑方法在年龄分组与空间数据中的应用，说明这些已有技术能够用于刻画有系统变化的回归系数。
- 阅读关注点
- 核对多项式阶数、几何平滑及跨方程约束的选择，检查年龄梯度和随距离递减的区域效应是否有充分数据支持。
- 阅读边界
- 仅据所给 Crossref 摘要，约束选择、估计结果和近似误差未说明；空间距离效应不能据此解释为已识别的网络干扰或因果溢出。
原文摘要
Abstract The time‐series distributed lag techniques of econometrics can be usefully applied to cross‐sectional, spatial and cross‐section time‐series situations. The application is perfectly natural in cross‐section, time‐series models when regression coefficients evolve systematically as the cross‐section grouping variable changes. The evolution of such coefficients lends itself to polynomial approximation or more general smoothing restrictions. These ideas are not new, Gersovitz and McKinnon (1978) and Trivedi and Lee (1981) providing two of the earliest applications of cross‐equation smoothing techniques. However, their applications were in the context of coefficient variation due to seasonal changes and this may account for the non‐diffusion of these techniques. The approach here is illustrated in the context of age‐specific household formation equations based on census data, using Almon polynomials when the regression coefficients vary systematically by age group. A second application is provided, using spatial data, explaining the incidence of crime, by region; using polynomial and geometric smoothing to model distance declining regional effects.