空间效应与时间效应的主要区别在于，时间序列变量只受过去值的影响，而空间过程依赖受各个方向影响。与一维情况相比，将二维情况简化为一维模型更加复杂。因此不能逃避考虑所有方向上的依赖。另外，多维模型能更好地对应于现实。数据通常代表个人观测的集合，具有精确的时间和空间特性。大部分政府收集的经济、医疗、社会数据都属于这一类。因此，建模时需要考虑，如果时间不足以建模，那么时间滞后因变量作为解释变量导致有偏（Achen's Problem），类似的，空间滞后因变量作为解释变量也会导致有偏，如果空间不足以建模。

如果空间权重矩阵W不是幂等的（idempotent），SDM的参数在理论上就无法得到有力证实，这取决于假设W是正确设定的。最好是估计含有外源交互作用的SLX模型而不是直接估计SAR或SDM模型（Gibbons，Overman，2012）。一般嵌套空间模型（GNS）包括所有类型的交互效应，问题是在估计GNS模型时常常过度参数化（Elhorst，2014），参数变得不显著，因此这种模型并不优于SDM和SDEM模型。由于GNS模型包含了所有的交互效应，减少交互效应的模型可通过施加一个或多个参数限制得到。由于一些模型设定的系数估计不能被直接解释，Solmaria与Elhorst（2013）用直接效应和溢出效应的估计更好地比较不同的模型，发现一些模型（SLX、SDEM、SDM和GNS）模拟溢出效应比其他模型更灵活。根据符号、规模和显著性水平进行比较，非灵活模型产生不稳定的结果，因此应该被拒绝。(www.daowen.com)