Inference on Dynamic Spatial Autoregressive Models with Change Point Detection
动态空间自回归模型的推断与变点检测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：摘要以空间权重矩阵刻画相互依赖关系，并明确研究其动态变化及结构变点检测。
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
动态空间自回归模型的推断与变点检测
- 研究问题
- 面对多个候选空间权重矩阵，如何估计随时间变化的综合空间关系及模型系数，并据此进行结构变点检测？
- 方法与思路
- 作者在含空间固定效应的变系数空间自回归模型中，将多个权重矩阵作变系数线性组合，通过惩罚估计进行推断和变点分析。
- 材料陈述的贡献
- 摘要称，估计量具有预言性质，综合空间权重矩阵估计一致，并为两类变点检测应用建立位置估计一致性的理论依据。
- 阅读关注点
- 应核对候选矩阵之间的可区分性、变系数基展开与惩罚选择，以及综合矩阵一致性和变点定位所需的条件。
- 阅读边界
- 仅据所给 OpenAlex 摘要，无法判断候选矩阵不足或相近时的表现；具体假设、应用数据与数值未说明，刊本变化亦不可推断。
原文摘要
We analyze a varying-coefficient spatial autoregressive model with spatial fixed effects. One salient feature of the model is the incorporation of multiple spatial weight matrices through their linear combinations with varying coefficients, which help solve the problem of choosing the most “correct” one for applied econometricians who often face the availability of multiple expert spatial weight matrices. We estimate and make inferences on the model coefficients and coefficients in basis expansions of the varying coefficients through penalized estimations, establishing the oracle properties of the estimators and the consistency of the overall estimated spatial weight matrix, which can be time-dependent. We further consider two applications of our model in change point detections in spatial autoregressive models, providing theoretical justifications in consistent change point locations estimation and practical implementations. Simulation experiments demonstrate the performance of our proposed methodology, and real data analyses are also carried out.