本文以空间面板自回归模型为研究对象,主要涉及两个领域的内容:空间计量经济学和面板数据分析。空间计量经济学突破了经典计量经济学中的GaussMarkov假设,认为一个经济体的发展不仅依赖于自身的条件,还受到邻近地区的影响,这一假设的突破使得该模型更具有理论和实际意义。现有文献在对空间面板自回归模型进行估计时,一般假设误差项独立同分布、独立异方差或存在弱截面相依(空间相关性)。这些假设在实际应用中存在局限。信息化时代的到来,促成了数据集的时间维度和横截面维度不断增大,形成了很多长面板数据集和大面板数据集。随之而来的问题是序列相关和截面相依。虽然在空间面板自回归模型中一部分的截面相依可以由空间相关性来体现,但是还可能存在不能用空间相关性来刻画的截面相依,例如某项具体政策的实施等不可观测效应所引起的截面相依。因此本文在以往研究空间计量经济学和面板计量经济学的文献基础上,同时考虑空间滞后因子带来的内生性问题和面板数据结构中存在的序列相关和截面相依问题。具体而言,本文主要做了如下三个方面的工作:第一,内生性处理。在空间面板自回归模型中,由于空间滞后项的存在使得模型存在内生性问题,本文借鉴GMM方法中的工具变量来处理内生性问题。第二,误差项中存在着序列相关问题的处理。本文基于对序列相关的形式不做严格假设的思想,提出了移动分块经验似然。移动分块经验似然方法能保证“块内”保持序列原有的相依结构,而“块与块”之间保持渐近独立。数值模拟发现该方法不仅适用于T维度较大(T=200)的情况,也适用于T维度较小(T=6)的情况;进一步验证了该方法对于未能正确识别序列相关形式依然适用。最后将该方法应用到我国经济增长的实证研究中,相比其他方法,该方法具有更小的标准误。第三,误差项中同时存在着序列相关和截面相依问题的处理。本文基于对序列相关形式做一定假设但对截面相依形式不加以任何的限制的思想,提出了基于拓展得分向量的移动分块经验似然方法。该方法突破了空间计量模型中的截面相依往往以空间自相关形式存在的假设。通过数值模拟发现新方法适合用于T维度较大的情况,但是在T维度较小的情况下,相比GMM、ML、2SLS方法,新方法依然有优势。最后将该方法应用到长三角地区的PM2.5的实证研究中,相比其他方法,该方法具有更小的标准误。