空间网格上时间序列的具有空间结构系数的向量自回归模型
统计方法学
2021-03-02 v2 应用统计
摘要
我们提出一种用于空间网格上时间序列数据的简约时空模型。我们的模型能够处理在数百个地点收集的高维时间序列数据，并捕捉空间非平稳性。本质上，我们的模型是一个向量自回归模型，利用空间结构在两个层面上实现自回归矩阵的简约性。第一层面利用滞后邻域方案确保自回归矩阵的稀疏性。第二层面对非零自回归系数进行空间聚类，使得邻近地点共享相似的系数。该模型可解释，并可用于识别地理子区域，在每个子区域内，时间序列具有带有同质自回归系数的相似动态行为。模型参数通过带自适应融合 Lasso 惩罚的惩罚最大似然法获得。估计过程易于实现，并可针对建模者的需求进行调整。我们在模拟研究中说明了所提估计算法的性能。我们将模型应用于由气候模型在沙特阿拉伯生成的风速时间序列数据集以说明其实用性。我们还讨论了方法的局限性与可能的扩展。
引用
@article{arxiv.2001.02250,
title = {Vector Autoregressive Models with Spatially Structured Coefficients for Time Series on a Spatial Grid},
author = {Yuan Yan and Hsin-Cheng Huang and Marc G. Genton},
journal= {arXiv preprint arXiv:2001.02250},
year = {2021}
}