规则格点数据的空间权重矩阵估计——一种带截面重采样的自适应 lasso 方法
统计计算
2023-10-24 v1 机器学习
摘要
空间计量研究通常依赖于空间依赖结构已知且由确定性空间权重矩阵表示的假设。与经典方法相反，我们研究规则格点数据的稀疏空间依赖结构估计。具体而言，采用自适应最小绝对收缩与选择算子（lasso）来选取并估计空间权重矩阵的各个连接。为恢复空间依赖结构，我们假设随机过程可交换，提出截面重采样方法。该估计过程基于两步法以规避由内生空间自回归依赖通常引发的同期性问题。带截面重采样的两步自适应 lasso 方法通过蒙特卡洛模拟得到验证。最后，我们将该过程应用于二氧化氮（）浓度的建模，表明估计空间依赖结构相对于使用预设权重矩阵可显著提升预测精度。
引用
@article{arxiv.2001.01532,
title = {Estimation of the spatial weighting matrix for regular lattice data -- An adaptive lasso approach with cross-sectional resampling},
author = {Miryam S. Merk and Philipp Otto},
journal= {arXiv preprint arXiv:2001.01532},
year = {2023}
}