Regression modelSpatial causal inference

Diferencē-differences metodes telpiskā analīze

Diferencē-differences metodes telpiskā analīze (Spatial DiD) paplašina klasisko DiD novērtējumu situācijām, kur novērojumi ir ģeoreferencēti un iznākumi var būt telpiski autokorelēti vai pakļauti izplatīšanās efektiem. Šo metodi, ko ieviesa Delgado un Florax (2015), papildina standarta divvirzienu fiksēto efektu DiD regresiju ar telpisko novēlotu vai telpisko kļūdu termiņu, nodrošinot neobjektīvus ārstēšanas efektu novērtējumus pat tad, ja politikas šoki izplatās pa ģeogrāfiskām vienībām. To izmanto ekonomisti, reģionālie zinātnieki un pilsētplānotāji, novērtējot uz vietu orientētas intervences, piemēram, infrastruktūras investīcijas, vides regulējumus vai zonējuma reformas.

Atvērt MethodMindDrīzumāVideoDrīzumāDownload slides

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Method map

The neighbourhood of related methods — select a node to explore.

Avoti

  1. Delgado, M. S., & Florax, R. J. G. M. (2015). Difference-in-differences techniques for spatial data: Local autocorrelation and spatial interaction. Economics Letters, 126, 35–40. DOI: 10.1016/j.econlet.2015.10.035

Kā citēt šo lapu

ScholarGate. (2026, June 2). Spatial Difference-in-Differences. ScholarGate. https://scholargate.app/lv/causal-inference/spatial-difference-in-differences

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side

Uz to atsaucas

ScholarGateSpatial Difference-in-Differences (Spatial Difference-in-Differences). Izgūts 2026-06-15 no https://scholargate.app/lv/causal-inference/spatial-difference-in-differences · Datu kopa: https://doi.org/10.5281/zenodo.20539026