用于空间时间序列的 R-vine 模型及其在日平均温度中的应用
统计方法学
2014-03-17 v1
摘要
我们引入了 R-vine copula 模型的扩展，旨在进行空间依赖性建模及未观测位置的基于模型的预测。新推导的空间 R-vine 模型结合了 vine copula 的灵活性与经典地统计学思想，即通过变量位置间的距离来建模空间依赖性。特别是，该模型能够捕捉非高斯空间依赖性。为了模型开发并作为示例，我们考虑了德国 54 个监测站观测到的日平均温度数据。我们确定了 vine copula 参数与站点距离之间的关系，并利用该关系减少了拟合数据所需的 54 维 R-vine 模型的海量参数。这种新的基于距离的模型参数化显著减少了参数数量，使得参数估计和在未观测位置进行预测成为可能。预测能力通过适当的评分技术进行了验证，结果显示空间 R-vine copula 模型的性能优于高斯空间模型。
引用
@article{arxiv.1403.3500,
title = {R-vine Models for Spatial Time Series with an Application to Daily Mean Temperature},
author = {Tobias Michael Erhardt and Claudia Czado and Ulf Schepsmeier},
journal= {arXiv preprint arXiv:1403.3500},
year = {2014}
}
备注
28 pages, 10 figures