Distributionally Robust Optimization in Spatial Autoregression¶
探索将 DRO 框架引入空间自回归（SAR）模型。SAR 模型的核心困难是空间权重矩阵 \(W\) 的设定——如果 \(W\) 有误设，传统的 QML/GMM 估计量都不一致。DRO 的思路是对 \(W\)（或更广义的空间结构）的不确定性构建模糊集，做 worst-case 优化。
状态：早期调研阶段，正在读 DRO 基础文献（Esfahani & Kuhn 2018）
待回答的问题：
- 模糊集如何定义？对 \(W\) 的 Wasserstein 球？还是对空间依赖结构的矩约束？
- 计算可处理性：SAR 的似然函数涉及 \(\log\det(I - \lambda W)\)，DRO 化后是否仍可处理？
- 与已有的 robust spatial estimation（如 Mueller & Watson 2022）的关系