Introduction to Spatial Econometrics

出版者:Chapman and Hall/CRC

作者:James LeSage

页数:374

出版时间:2009-1-20

价格:USD 109.95

装帧:Hardcover

isbn号码:9781420064247

具体描述

Although interest in spatial regression models has surged in recent years, a comprehensive, up-to-date text on these approaches does not exist. Filling this void, Introduction to Spatial Econometrics presents a variety of regression methods used to analyze spatial data samples that violate the traditional assumption of independence between observations. It explores a wide range of alternative topics, including maximum likelihood and Bayesian estimation, various types of spatial regression specifications, and applied modeling situations involving different circumstances. Leaders in this field, the authors clarify the often-mystifying phenomenon of simultaneous spatial dependence. By presenting new methods, they help with the interpretation of spatial regression models, especially ones that include spatial lags of the dependent variable. The authors also examine the relationship between spatiotemporal processes and long-run equilibrium states that are characterized by simultaneous spatial dependence. MATLAB(R) toolboxes useful for spatial econometric estimation are available on the authors' websites. This work covers spatial econometric modeling as well as numerous applied illustrations of the methods. It encompasses many recent advances in spatial econometric models-including some previously unpublished results.

作者简介

詹姆斯 ∙ 勒沙杰（James LeSage），德克萨斯州立大学（圣马科斯）麦考伊工商管理学院金融经济系教授，经济学博士。勒沙杰教授是区域科学领域最有影响力的学者之一，也是该领域著作被引用次数最多的学者之一，在Journal of Econometrics, Journal of Applied Econometrics, Journal of Regional Science等国际知名学术期刊上发表论文60余篇，并为Journal of Political Economy, Review of Economics and Statistics等众多知名学术期刊审稿人。

凯利 ∙ 佩斯（R.Kelley Pace）是路易斯安那州立大学金融系教授，房地产学博士。佩斯教授的主要研究领域是房地产金融，已在Journal of Real Estate Finance and Economics, Real Estate Economics等国际知名学术期刊上发表论文20余篇。

用户评价

这本书的价值远超出一本教科书的范畴，它更像是一份对“如何用计量经济学理解空间现象”的详尽方法论指南。它成功地架起了传统计量经济学与地理信息科学之间的鸿沟，使得经济学背景的研究者能够自信地处理地理空间数据带来的独特挑战。我特别喜欢其中关于模型设定中“先验知识”与“数据驱动”平衡的讨论。作者强调，空间权重矩阵的选择绝非任意，而是深刻反映了研究者对经济活动空间交互机制的假设。通过细致的案例和数据可视化展示，书中有效地教会了我如何利用探索性空间数据分析（ESDA）的结果来指导模型设定，而不是盲目套用标准模型。这本书真正培养的是一种“空间思维”——认识到经济现象在地理维度上必然存在的联系和差异，并学会用量化的工具去捕捉和解释这种联系与差异。

这本书的阅读体验，从排版和逻辑组织来看，是相当流畅且专业的。章节之间的过渡自然，没有那种生硬的拼凑感。特别是在引入新的空间概念，比如Moran's I或Geary's C时，作者会先用非常直观的语言进行描述，再逐步引出其数学表达式，这对于构建直觉理解非常重要。我发现自己能够很顺畅地在不同的主题间跳转，无论是回顾基础的空间统计描述，还是深入到复杂的面板空间模型，都可以快速定位并找到所需的信息。此外，书中对不同空间计量方法优劣的比较分析，非常客观和中立，没有强行推销某一种特定的方法，而是强调了“没有最好的模型，只有最适合特定问题的模型”这一核心思想，这种严谨的学术态度，使得本书的参考价值极高，值得作为工具书长期保留。

这本书在处理空间数据复杂性方面的深度，着实体现了作者深厚的学术功底。很多空间计量问题并非简单的“一刀切”模型就能解决的，比如当空间依赖性和空间异质性同时存在时，如何构建一个稳健的模型？这本书没有回避这些难题，而是系统地梳理了各种混合模型（如空间杜宾模型、空间误差模型等）的适用场景和估计难点。更让我耳目一新的是，它探讨了在高维数据环境下进行空间计量分析的挑战，并提供了一些前沿的解决方案思路。阅读这些章节时，我感觉自己正在和领域内的顶尖学者进行一场深入的对话，而不是被动地接受知识灌输。它激发了我对现有模型的批判性思考，促使我去探究特定地理现象背后的潜在生成机制，而不仅仅是得到一个“拟合优良”的统计结果。

我对这本书的实际操作指导部分给予高度评价。理论固然重要，但如何将这些理论转化为可执行的分析步骤，才是衡量一本好教材的关键。这本书在这方面做得非常出色，它详尽地介绍了当前主流空间计量软件（如GeoDa, R中的特定包等）的操作流程和命令语法。作者没有简单地罗列代码，而是将每一步操作与背后的统计学原理紧密结合起来，解释了为什么选择某个特定的空间权重矩阵，或者为什么需要进行某种特定的模型检验。这种“知其然，更知其所以然”的讲解方式，对于我这种需要立即上手处理真实数据集的研究者来说，是极其宝贵的。通过书中的练习和示例数据，我得以反复调试，逐步掌握了从数据准备、空间结构构建到最终模型解释的全过程，大大缩短了从“理论知道”到“实际应用”的距离，效率提升显著。

这本书的覆盖面之广，着实让我这个研究空间经济学的学生大开眼界。它不仅仅停留在传统的计量经济学框架内，而是深入探讨了如何将地理空间信息融入到经济模型的构建与估计中。作者在理论推导上的严谨性令人印象深刻，每一步的逻辑衔接都非常清晰，使得即便是涉及复杂的空间自相关或空间异质性处理的章节，也能被相对容易地理解。我尤其欣赏它在方法论上的更新，比如对贝叶斯空间计量模型的介绍，这在很多入门教材中是看不到的。书中丰富的案例分析，虽然是基于特定区域的数据，但其处理问题的思路和模型设定的灵活性，让我学会了如何根据实际研究背景灵活选择和调整计量工具。对于想要从基础回归分析迈向专业空间计量领域的读者来说，这本书无疑提供了一座坚实的桥梁，让原本晦涩难懂的数学公式和统计概念变得触手可及，极大地提升了我进行前沿研究的信心和能力。

扫了一遍，不明觉厉

空间计量手册

扫了一遍，不明觉厉

空间计量手册

扫了一遍，不明觉厉