不规则格网空间回归的可行成对伪似然推断：KD-T PL 算法
统计方法学
2024-01-12 v1 统计计算
摘要
空间回归模型是空间统计学的核心。然而，在大型且不规则格网化的空间数据集下，其估计面临巨大的计算挑战。为解决这些计算问题，Arbia 提出了一种伪似然方法（称为成对似然，PL），该方法需要识别内部相关但相互条件不相关的观测对。尽管 PL 估计量具有最优的理论性质，但在处理不规则格网观测数据时，其实际实现会遇到严重的计算问题（与观测对的识别相关），在大多数实证案例中，这些问题负面抵消了其优势。本文引入了一种专门设计的算法，旨在简化大型不规则格网空间数据集中 PL 的计算，极大地简化了估计阶段。我们特别关注空间误差模型（SEM）的估计。我们提出的方法利用 KD 树数据结构高效配对空间对，并利用它推导出用于快速参数近似的闭式表达式。为了展示我们方法的效率，我们使用模拟数据提供了一个说明性示例，证明了与完全似然推断相比，其计算优势不以牺牲精度为代价。
引用
@article{arxiv.2401.05905,
title = {Feasible pairwise pseudo-likelihood inference on spatial regressions in irregular lattice grids: the KD-T PL algorithm},
author = {Giuseppe Arbia and Niccolo Salvini},
journal= {arXiv preprint arXiv:2401.05905},
year = {2024}
}