4月18日，2026空间与网络计量经济学研讨会在厦门大学举行。会议汇聚国内多所重点高校的中青年学者，围绕空间计量、网络效应、量化模型、机器学习应用等前沿议题展开深入研讨，为推动空间与网络计量经济学理论创新与应用拓展搭建了重要交流平台。本次会议由厦门大学邹至庄经济研究院、北京大学光华管理学院、上海财经大学经济学院、西南财经大学统计与数据科学学院共同主办。该研讨会也是邹至庄经济研究院十周年系列学术活动之一。该系列研讨会由四所高校轮流主办，已先后于2024年、2025年在北京大学光华管理学院和上海财经大学经济学院成功举办两届。
当天上午，开幕式在经济楼C108举行。厦门大学经济学院、王亚南经济研究院院长周颖刚，北京大学光华管理学院商务统计与经济计量系虞吉海教授分别致辞。开幕式由计量经济学教育部重点实验室（厦门大学）副主任，厦门大学经济学科韩晓祎教授主持。
周颖刚对参会嘉宾表示欢迎，对各联合主办单位的组织工作表示感谢，他提到，厦门大学经济学科与北京大学光华管理学院、上海财经大学经济学院、西南财经大学统计与数据科学学院在学术研究、人才培养等方面深度合作、成果丰硕；空间与网络计量经济学是学科前沿与应用重点，对重大经济问题研究具有重要意义，期待与会学者深入交流、推动学科发展，为构建中国自主经济学知识体系与服务经济高质量发展贡献力量。
虞吉海向与会嘉宾介绍了空间与网络计量经济学研讨会的创办初心与由来，他提到，人工智能的发展对计量经济学研究范式产生了重要影响，同时也为空间与计量经济学研究带来了机遇与发展空间，期待与会专家学者深入交流、携手攻关，产出更多高质量前沿研究成果。
开幕式主持：韩晓祎
本次研讨会为期1天，共有九位空间与网络计量经济学领域中青年学者带来特邀报告。
浙江工商大学统计与数学学院特聘教授张荣茂带来题为“Cointegration of Two Intrinsically Stationary Spatial Processes”的报告。张荣茂的报告从 Matheron 提出的内蕴过程概念切入，指出这一框架为非平稳空间现象建模提供了较为统一的数学基础，其思想与时间序列中通过差分实现平稳化的方法相呼应，同时适用于规则与不规则网格上的空间观测。围绕两个简单内蕴过程之间是否存在协整关系，报告借鉴 Engle—Granger 的思路采用最小二乘估计，但进一步说明，在空间数据情形下，估计量的渐近性质更为复杂，既受基础过程本身影响，也与样本观测方式密切相关。为解决这一推断难题，研究提出了若干 bootstrap 近似方法，并指出在附加条件下，wild bootstrap 能够自动适应不同收敛速度和极限分布，从而为协整系数的置信区间构造提供可操作工具。报告还提出一种新的、便于使用的协整检验方法，并通过模拟实验和真实数据应用展示了所提方法的有效性与实际适用性。
西南财经大学统计与数据科学学院讲师、博士后常琦带来题为“Heterogeneous Peer Effects with Latent Endogeneity”的报告。常琦的报告围绕“具有潜在内生性的异质同伴效应”展开。针对网络数据中不同节点的同伴效应可能存在显著差异、且网络形成过程又会受到未观测潜在向量影响而产生内生性的问题，报告提出了具有潜在内生性的异质网络模型（LEHN），以同时刻画网络中的异质同伴效应与潜在内生性。方法上，研究设计了两步估计程序：第一步利用基于矩阵分解的 node2vec/DeepWalk 嵌入方法构造潜在向量的代理变量，以缓解因未观测因素导致的内生性；第二步通过最小化 GMM 型目标函数对模型参数进行估计。报告进一步建立了该估计方法在潜在向量可观测与不可观测两种情形下的渐近理论，说明均可以实现有效的统计推断。最后，报告结合模拟研究与学生网络数据的经验分析，展示了所提方法在有限样本中的良好表现，也说明了这一方法在实际网络数据研究中的应用潜力。
Session 1由厦门大学经济学科李木易教授主持。
复旦大学经济学院教授金飞带来题为“Consistent generalized method of moments estimation of spatial autoregressive models based on non-Gaussian distributions”的报告。鉴于大量空间数据呈现厚尾分布特征，往往不满足传统模型所依赖的高斯分布假设。而现有的研究方法普遍存在计算复杂度高、运算负担重的问题，且在扰动项存在异方差时，估计量可能不具备一致性。为了解决这一问题，金飞的研究构建了基于非高斯分布的一阶与二阶矩条件，对SAR模型进行广义矩估计。该研究分别讨论了扰动项同方差与异方差两种情形，并在一定条件下证明了所提出估计方法的参数估计量具有一致性和渐近正态性。同时，该方法计算简便，相较于主流的SAR模型估计方法，在计算效率上具有显著优势。此外，金飞还给出了同方差情形下最优矩条件存在性的判定准则，并据此构造出具有最小渐近方差的GMM估计量。最后，通过数值模拟与实证分析，表明该方法在有限样本条件下表现出良好的估计性能。
西南财经大学统计与数据科学学院教授刘斌作题为“图机器学习在产业链、 供应链上的应用”的报告。刘斌指出，当前产业链与供应链呈现出显著的复杂网络特征，传统分析方法难以精准刻画其内在运行规律，也难以有效量化外部冲击（如资源断供、物流停滞等）的传播效应。针对这一问题，他从图机器学习的视角出发，融合多源数据构建动态图模型，系统探讨了产业链与供应链的内在运行经济机制，以及外部冲击下的传播机制，并进一步揭示了网络结构在其中的关键作用。在此基础上，刘斌从预测效果角度验证了上述两类机制的科学性与实用性。最后，刘斌还介绍了利用人工智能大模型来进行供应链相关预测的方法，并探讨其在产业链与供应链分析中的应用前景。
Session 2由厦门大学经济学科许杏柏教授主持。
西南财经大学统计与数据科学学院教授兰伟作题为“Quantile Social Autoregressive Model”的报告。当前同伴效应研究普遍采用均值线性社会交互模型，该模型以同伴响应均值作为社会规范，无法刻画影响来自优劣同伴的非对称作用情形。针对这一核心局限，兰伟基于同伴响应经验分布提出分位数社会规范，构建分位数社会自回归模型，由数据内生识别驱动个体行为的同伴群体区间，弥补传统均值模型的分布信息缺失。模型估计方面，研究构建由伪响应衍生的全新矩条件与工具变量，针对经验分位数函数的非光滑特性引入核平滑技术，保障广义矩估计有效实施。研究系统讨论模型均衡的存在性与唯一性，明确识别条件，并严格证明所提估计量的相合性与渐近正态性。蒙特卡洛模拟实验与实证应用结果显示，相较于传统均值线性社会交互模型，该分位数社会自回归模型的拟合效果更优，对同伴效应的经济学解释更为清晰直观，为同伴效应异质性的量化分析提供了新的计量框架。
厦门大学经济学科副教授刘拓作题为“Quasi-Maximum Likelihood Estimation for a Genuinely Unbalanced Dynamic Network Panel DataModel”的报告。刘拓针对动态网络面板数据建模的核心难题，指出现有模型局限于平衡面板框架，仅能处理数据缺失型非平衡结构，无法适配节点动态进出的真正非平衡场景。为此构建了带个体固定效应的真正非平衡动态网络面板数据模型，同时容纳同期网络溢出、滞后网络溢出、时间依赖效应，并纳入个体首次进入样本的上市效应，完成了双向固定效应拓展。估计方面，研究构建拟极大似然估计，通过投影变换得到轮廓QMLE，在N与T同步趋于无穷时证明估计量相合性并推导渐近分布，识别出N相对T渐近偏大时附带参数引发的渐近偏误。基于偏误闭式表达式，进一步提出偏误修正估计量，满足渐近无偏性与渐近正态性。新西兰与纽约市Airbnb房源数据实证分析揭示了地区特异的时空价格传导模式，表明在动态网络框架下建模真正非平衡结构的重要意义，为非平衡网络面板数据分析提供了可靠的计量方法与理论支撑。
天津大学经管学部马寅初经济学院助理教授杨阳作题为“A Multiplicative-Error Specification for Weakly Positive Outcomes with Spatial Dependence”的报告。杨阳针对含大量零值弱正值数据的空间建模难题展开研究。传统对数回归存在量纲敏感、异方差估计偏误问题，Tobit等模型需额外设定零值生成机制，经典对数空间模型无法规避量纲依赖问题。研究提出截面空间乘法误差模型，兼容SAR与MESS两类空间结构。研究构建完整空间因果效应体系，定义 PATE、直接/间接PATE及PTTE百分比处理效应，厘清单源干预与全域干预下的空间溢出差异。构建伽马伪极大似然估计量，在空间近epoch相依条件下证明其相合性与渐近正态性，提出异方差稳健参数与方差矩阵估计方案。蒙特卡洛模拟验证该估计量有限样本表现优异，极端零膨胀数据场景下依旧稳健。基于清中叶华东运河沿线县域战乱数据的实证检验，识别出显著正向战乱空间溢出效应，量化运河邻接性的各类处理效应，揭示交通通达性驱动冲突跨区域扩散的内在机制，相较传统模型实现更稳健的统计推断。
Session 3由厦门大学经济学科刘年青副教授主持。
上海财经大学统计与数据科学学院助理研究员杨子欣带来题为“Quantile Treatment Effects under Local Interference”的报告。传统因果推断依赖无干扰假设（SUTVA），且现有网络干扰研究多局限于均值效应，无法刻画分布层面的异质性。为解决这一问题，杨子欣及其合作者针对度相同的个体，对比自身干预与受干预邻居数量不同的配置下的结果分位数，在局部干扰条件与度分布温和约束下，实现分位数处理效应的点识别。研究提出两类估计方法，分别为按度分层的非参数条件分位数处理效应估计量与线性分位数回归估计量，并证明两种方法的一致性与弱收敛性。同时，基于加权与乘数自助法构建对相依性稳健的推断方式。蒙特卡洛实验表明，所提方法在多种网络设计下有限样本偏差小、覆盖概率更接近名义水平，表现显著优于传统方法。实证层面，本研究分别应用于莫桑比克随机投入补贴项目与尼泊尔储蓄账户干预实验，验证补贴干预的直接效应与溢出效应均存在显著分布异质性。
厦门大学经济学院读博士生朱梦晨带来题为“MDD-based Estimators for Spatial Temporal Models with Heterogeneous Coefficients”的报告。为拓展MDD估计量的应用场景，朱梦晨及其合作者研究了一类允许空间相依、系数异质以及截面单元与时期数趋于发散的时空模型。相比于传统时空矩方法，MDD 估计量采用条件独立假设而非不相关假设，效率更高。模型通过对VAR模型的系数矩阵施加空间结构，将其简化为含异质系数的时空模型，待估参数数量从2n²降至3n。报告构建了具有解析解的目标函数，并给出了估计量的一致性及渐近正态性的理论结果。蒙特卡洛模拟在独立正态、多元正态和ARCH三种扰动设定下对比了MDD、GYW和2SLS方法，MDD均展现更低的平均均方根误差和合理的置信区间覆盖率。实证层面将模型应用于欧元区11国股票指数收益率，结合空间套利定价理论，四种因子组合下MDD方法的平均绝对误差均低于GYW方法，进一步支持了MDD估计量的有效性。
Session 4由厦门大学经济学科刘拓副教授主持。
在九位学者的精彩分享与参会者的热烈讨论中，一天的学术会议落下帷幕。
来源丨厦门大学经济学院