Telpiskie instrumentālie mainīgie (Spatial IV / Spatial 2SLS)
Telpiskie instrumentālie mainīgie (Spatial IV) ir kauzālās secināšanas metode gadījumiem, kad vienības — reģioni, uzņēmumi, apkaimes — ir telpiski savstarpēji atkarīgas, radot endogenitāti, ko standarta IV pieejas ignorē. Tā konstruē instrumentus no kaimiņvienību eksogēno raksturlielumu telpiski nobīdītām vērtībām, pēc tam pielieto divpakāpju mazāko kvadrātu metodi, lai iegūtu neobjektīvus kauzālos novērtējumus gan endogēno regresoru, gan telpiskās autokorelācijas klātbūtnē.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- Kelejian, H. H., & Prucha, I. R. (1998). A Generalized Spatial Two-Stage Least Squares Procedure for Estimating a Spatial Autoregressive Model with Autoregressive Disturbances. Journal of Real Estate Finance and Economics, 17(1), 99-121. DOI: 10.1023/A:1007707430416 ↗
- Anselin, L. (1988). Spatial Econometrics: Methods and Models. Kluwer Academic Publishers, Dordrecht. ISBN: 978-9024737208
Kā citēt šo lapu
ScholarGate. (2026, June 3). Spatial Instrumental Variables Estimation. ScholarGate. https://scholargate.app/lv/causal-inference/spatial-instrumental-variables
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.
- Instrumentālo mainīgo (IV) metode cēloņsakarību noteikšanaiVeselības ekonomika↔ compare
- Panel Data Instrumentu Mainīgie (Panel IV / 2SLS)Cēloņsakarību secināšana↔ compare
- Telpiskā kauzālā ietekmes analīzeCēloņsakarību secināšana↔ compare
- Telpiskā divkārtīgi robustā estimācijaCēloņsakarību secināšana↔ compare
- Spatial Propensity Score MatchingCēloņsakarību secināšana↔ compare
- Telpiskās regresijas diskontinuitātes dizains (Spatial RDD)Cēloņsakarību secināšana↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →