Semiparametric Spatiotemporal Model with Mixed Frequencies
混合频率半参数时空模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要直接研究混合频率时间序列建模，并以预测能力与基准模型比较作为评价内容。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
混合频率半参数时空模型
- 研究问题
- 对于跨空间单位、测量频率不同的时间序列，如何保留高频解释变量的信息，并估计其对低频响应的非参数影响？
- 方法与思路
- 作者提出半参数时空加性模型，通过 backfitting 估计高频变量的非参数效应，并用于季度玉米产量与遥感指标。
- 材料陈述的贡献
- 摘要称，模拟及玉米产量应用支持该模型相对聚合高频变量的广义加性模型具有更好表现，但未提供量化结果。
- 阅读关注点
- 应核对混频变量进入模型的方式、空间和时间依赖的处理、backfitting 的实现，以及基准模型与预测评价设计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明理论最优性的具体含义、适用条件和预测改进幅度。
原文摘要
In modelling time series data coming from different sources, frequencies can easily vary since some variable can be measured at higher frequencies, others, at lower frequencies. Given data measured over spatial units and at varying frequencies, we postulated a semiparametric spatiotemporal model. This optimizes utilization of information from variables measured at higher frequency by estimating its nonparametric effect on the response through the backfitting algorithm in and additive modelling framework. Simulation studies support the optimality of the model over simple generalized additive model with aggregation of high frequency predictors to match the dependent variable measured at lower frequency. With quarterly corn production and the dependent variable, the model is fitted with predictors coming from remotely-sensed data (vegetation and precipitation indices), predictive ability is better compared to two benchmark generalized additive models.