使用LASSO估计空间和时间自回归效应——以德国巴伐利亚地区PM10浓度为例

我们提出了一种用于估计空间和时间自回归面板数据模型中空间和时间效应的估计程序，采用最小绝对收缩与选择算子（LASSO）。我们假设空间时间面板数据来源于单变量随机过程，且数据遵循空间时间自回归过程，其中包含具有空间/时间变动外生解释变量的回归项、时间自回归项以及具有未知权重矩阵的空间自回归项。目标是在此基础上估计该权重矩阵以及其他参数。蒙特卡罗模拟显示，随着时间点数量的增加，准确度提升。LASSO技术还能在空间权重和其他参数中一致地区分有意义的关系（非零）与无关关系（零）。本正则化估计方法应用于德国巴伐利亚地区2005至2020年的小时级颗粒物浓度（PM10）。结果显示，部分监测站存在较高的空间依赖性，导致邻近监测站的PM10浓度具有更大的影响。LASSO技术证明能产生稀疏权重矩阵，通过将部分权重缩为零，从而提高了巴伐利亚地区PM浓度依赖性在测量站点之间的可解释性。