面向可扩展特征向量空间滤波的子模型聚合：在空间变系数建模中的应用
统计方法学
2024-01-25 v2
摘要
本研究提出了一种聚合/综合全局与局部子模型的方法，用于快速且灵活的空间回归建模。特征向量空间滤波（ESF）被用于按子模型对空间变系数与残差中的空间依赖性进行建模，而广义专家乘积法被用于聚合这些子模型。该方法的主要优势如下：在大样本条件下，就精度与计算效率而言具有高度可扩展性；通过先独立估计子模型再进行聚合/平均，易于实现；由于边际似然具有闭式解，可进行基于似然的推断。蒙特卡洛模拟实验证实了该方法的精度与计算效率。随后，该方法被应用于日本的住宅用地价格分析。结果表明，该方法在提升空间变系数的可解释性方面具有实用性。该方法已在R包spmoran（0.3.0及以上版本）中实现。
引用
@article{arxiv.2401.12776,
title = {Sub-model aggregation for scalable eigenvector spatial filtering: Application to spatially varying coefficient modeling},
author = {Daisuke Murakami and Shonosuke Sugasawa and Hajime Seya and Daniel A. Griffith},
journal= {arXiv preprint arXiv:2401.12776},
year = {2024}
}