本篇论文由两部分构成。第一部分研究的是时空滞后模型的相关问题,第二部分研究的是利用决策树解决众筹领域的相关问题。两部分独立进行研究,相互之间并无关联。第一部分:本部分提出了时空模型STLM-gl,这个模型的时空权重矩阵为下三角阵且具有分组效应。算法 STENOLS(Spatio-Temporal Elastic Net and Ordinary Least Squares)可以用来估计上述模型的参数。空间模型的(空间滞后模型与空间误差模型)空间权重矩阵在以往的研究中通常是主观给定,这往往与真实的空间结构有所出入。在该部分中,算法STENOLS就是用来估计模型STLM-gl中未知的时空权重矩阵,其可帮助研究人员更好的找到隐藏的时空结构。通过利用弹性网络估计时空权重矩阵中不为0的元素,再利用最小二乘法估计具体参数值,其产生的偏差比仅用弹性网络要小的多。Pace于2000年发表的论文已经表明了分组效应在实际应用场景中是具有实际意义的。第二部分:随着众筹行业的迅猛发展,众筹项目数量迅速增长,使得投资者在项目选择上花费了大量的时间精力。本部分旨在帮助投资者以最少时间成本选择优质的众筹项目。在假设众筹项目优质程度与融资完成比有正相关关系的前提下,本部分基于京东众筹数据,利用CART回归树算法进行决策树建模。研究结果表明,投资者应重点关注目标金额,关注人数,项目进展和话题这四个指标。本部分研究结果仅适用于奖励型众筹,对于其他类型众筹应当重新选择自变量进行模型建立,但决策树模型仍然可以适用。