空间异质性加性部分线性模型：双变量样条与森林 Lasso 联合方法
统计方法学
2024-05-07 v2
摘要
识别空间异质性模式因其在众多科学和工程领域的重要应用而引发研究热潮。实际情况下，空间异质性分量常与空间光滑分量混合，使识别异质区域更加具有挑战性。本文发展了一种高效聚类方法，用于识别空间加性部分线性模型的模型异质性。具体而言，我们旨在基于回归系数检测空间连续聚类，同时引入空间变系数以处理光滑空间效应。在一方面，为近似空间变系数，我们采用双变量样条 over triangulation的方法，该方法能有效处理来自复杂域的数据。在另一方面，提出一种新的融合惩罚项，称为森林 Lasso，以揭示空间聚类模式。我们提出的融合惩罚在处理大规模空间数据时在估计和计算效率方面具有优势。本文建立了估计量的理论性质，仿真结果表明，我们的方法在有限计算成本下可实现比现有方法更准确的估计。为了说明其实际应用，我们将其应用于分析美国地表温度（由卫星测量）与地面站点空气温度之间关系的空间模式。
引用
@article{arxiv.2404.11579,
title = {Spatial Heterogeneous Additive Partial Linear Model: A Joint Approach of Bivariate Spline and Forest Lasso},
author = {Xin Zhang and Shan Yu and Zhengyuan Zhu and Xin Wang},
journal= {arXiv preprint arXiv:2404.11579},
year = {2024}
}