广义空间自回归模型
统计方法学
2024-12-03 v1
摘要
本文提出广义空间自回归（GSAR）模型，这是空间计量经济学中的重要进步，适用于属于指数族的非正态响应变量。GSAR模型扩展了Logistic SAR、Probit SAR和Poisson SAR方法，提供了在建模空间依赖性方面的更大灵活性，同时确保计算可行性。理论上，建立了关于模型通过估计所获得的估计量收敛性、效率和一致性的结果。此外，该模型改进了现有方法的统计特性，并将其扩展到新分布。模拟样本显示理论结果，并与现有方法进行直观比较。对美国共和党选举模式的实证应用表明，GSAR模型通过捕捉细微的空间自相关和容纳区域异质性，优于标准空间模型，导致更稳健的推断。这些发现凸显了GSAR模型作为研究者处理具有空间相关性的类别数据、计数数据或偏斜分布的分析工具的潜力，适用于政治学、流行病学和市场调研等多个领域。此外，提供了用于估计该模型的R代码，使其在这些场景下具有可适应性。
引用
@article{arxiv.2412.00945,
title = {Generalized spatial autoregressive model},
author = {N. A. Cruz and J. D. Toloza-Delgado and O. O. Melo},
journal= {arXiv preprint arXiv:2412.00945},
year = {2024}
}