MARC

 008250224s2024        us  ||||||||||||||c||eng  d
■001000017164943
■00520250211153106
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798384088677
■035    ▼a(MiAaPQ)AAI31674158
■035    ▼a(MiAaPQ)OhioLINKosu1712529518227017
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a310
■1001  ▼aLin,  Yanli.
■24510▼aThree  Essays  in  Theoretical  and  Applied  Spatial  Econometrics.
■260    ▼a[S.l.]▼bThe  Ohio  State  University.  ▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a297  p.
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-04,  Section:  B.
■500    ▼aAdvisor:  Lee,  Lung-fei;Weinberg,  Bruce.
■5021  ▼aThesis  (Ph.D.)--The  Ohio  State  University,  2024.
■520    ▼aSpatial  autoregressive  (SAR)  models  are  an  important  way  of  modeling  interactions  between  actors.  My  dissertation  contains  three  chapters  that  extend  these  models  in  two  ways.  The  first  way  is  to  generalize  SAR  models  based  on  specific  empirical  needs.  This  includes  developing  models  to  accommodate  an  important  feature  -  the  multidimensionality  of  outcome  variables.  The  traditional  SAR  models  only  deal  with  spatial  dependence  in  univariate  variables.  An  origin-destination  flow,  however,  is  characterized  by  the  origin  and  the  destination  coupled  with  a  direction  and  might  be  affected  by  both  regions'  characteristics.  It  also  involves  a  three-dimensional  structure  in  panel  data.  The  nature  of  origin-destination  flows  calls  for  new  analytical  spatial  models.  Therefore,  Chapter  1  considers  a  cross-sectional  SAR  model  for  origin-destination  flows  with  two-way  fixed  effects,  while  Chapter  2  develops  a  spatial  dynamic  panel  data  model  to  capture  dynamics  of  asymmetric  directed  flows  and  sets  forth  various  fixed  effects  specifications  to  account  for  the  unobserved  heterogeneity  in  multi-indexed  data.The  second  way  is  to  derive  simple  yet  novel  estimation  methods  for  SAR  models,  including  one  strand  of  econometric  techniques  that  can  incorporate  the  endogeneity  of  spatial  weights  and/or  regressors.  SAR  models  generally  assume  strict  exogeneity  of  spatial  weights  and/or  regressors  that  play  key  roles  in  estimation.  Unfortunately,  these  assumptions  are  frequently  violated  in  empirical  studies,  for  instance,  the  spatial  weights  might  be  generated  from  socioeconomic  characteristics  that  are  correlated  with  the  error  term.  The  common  control  function  approach  requires  correctly  specifying  the  structure  of  the  set  of  equations  for  endogenous  variables,  which  can  be  challenging  in  applications.  Hence,  Chapter  3  proposes  a  new  semiparametric  copula  endogeneity  correction  technique  that  overcomes  the  limitations  of  the  control  function  approach.Chapter  1  extends  LeSage  and  Pace  (2008)'s  spatial  autoregressive  model  for  origin-destination  flows  by  accommodating  two-way  fixed  effects.  A  partial  likelihood  approach  is  used  for  estimation  by  applying  an  orthogonal  transformation  to  remove  fixed  effects  in  the  model.  The  quasi-maximum  likelihood  (QML)  estimator  of  the  partial  log-likelihood  function  is  consistent  and  asymptotically  centered  normal.  Monte  Carlo  experiments  verify  this  advantage  in  finite  samples.  From  the  U.S.  migration  flows,  significant  spatial  influences  are  captured  with  smaller  magnitudes  than  those  from  the  model  without  fixed  effects.In  Chapter  2,  we  introduce  a  higher-order  spatial  dynamic  panel  data  (SDPD)  model  for  a  directed  origin-destination  flow  outcome  variable  with  the  QML  estimation  method.  The  model  can  capture  both  the  intra-temporal  and  inter-temporal  spatial  interactions  among  the  origins,  among  the  destinations,  and  from  neighbors  to  the  origins  to  neighbors  of  the  destination.  We  extend  the  traditional  symmetric  bilateral  design  from  traditional  gravity  models  by  allowing  for  an  asymmetric  origins  and  destinations  structure  to  accommodate  broader  empirical  needs  in  the  studies  of  unidirectional  flows,  effects  of  flows  from  one  selected  direction,  and/or  the  effects  of  net  flows,  etc.  A  variety  of  fixed  effects  specifications  have  been  set  forth  to  account  for  the  three-dimensional  nature  and  the  unobserved  heterogeneity  of  a  flow  variable  in  the  panel  data  setting.  A  direct  approach  for  directly  estimating  the  fixed  effects  and  a  data  transformation  approach  to  remove  the  time-variant  effects  have  been  proposed.  We  establish  the  consistency  and  asymptotic  distribution  as  well  as  the  analytic  bias  correction  procedure  for  the  QML  estimators.  We  then  perform  Monte  Carlo  experiments  to  investigate  their  finite  sample  performance.  Moreover,  by  applying  our  model  to  study  U.S.  State-to-State  migration  flows  from  1991  to  2019,  we  detect  three  channels  of  contemporaneous  interactions,  three  channels  of  diffusion  effects,  and  a  moderate  persistence  in  this  type  of  directional  flows.Chapter  3  provides  a  new  semiparametric  copula  method  to  tackle  the  endogeneity  issue  in  a  SAR  model,  which  might  originate  from  an  endogenous  spatial  weights  matrix  and/or  endogenous  regressors.  In  this  study,  a  general  model  specification  incorporating  the  two  cases  and  multivariate  modelings  with  Gaussian  and  Student's  t  copulas  are  presented.  Using  copula-based  endogeneity  correction  techniques,  we  propose  3-stage  estimation  methods  for  SAR  and  establish  their  consistency  and  asymptotic  normality.  Monte  Carlo  experiments  are  performed  to  investigate  the  finite-sample  performance  of  the  instrumental  variable  (IV)  estimator  and  the  maximum  likelihood  (ML)  estimator.  We  then  apply  our  method  to  an  empirical  study  of  spatial  spillovers  in  regional  productivity  with  spatial  weights  determined  by  an  endogenous  socioeconomic  factor  -  years  of  education  that  also  serves  as  a  linear  regressor.
■590    ▼aSchool  code:  0168.
■650  4▼aStatistics.
■650  4▼aApplied  mathematics.
■653    ▼aSpatial  autoregressive  models
■653    ▼aMaximum  likelihood  
■653    ▼aEconometrics
■653    ▼aMonte  Carlo  experiments
■653    ▼aSpatial  dynamic  panel  data
■690    ▼a0501
■690    ▼a0511
■690    ▼a0364
■690    ▼a0463
■71020▼aThe  Ohio  State  University▼bEconomics.
■7730  ▼tDissertations  Abstracts  International▼g86-04B.
■790    ▼a0168
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17164943▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서