Modeling group heterogeneity in spatio-temporal data via physics-informed semiparametric regression
基于物理信息半参数回归的时空数据组异质性建模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：摘要聚焦时空半参数混合效应建模与物理信息正则化，属于统计方法学方向，未涉及所提供领域细分中的因果推断、面板、时间序列、资产定价等主题，故不选择任何细分。
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…
基于物理信息半参数回归的时空数据组异质性建模
- 研究问题
- 摘要称，本文关注具有组结构的时空数据，研究如何在混合效应回归框架下同时刻画组间潜在异质性与过程的物理时空动态。
- 方法与思路
- 作者提出在经典混合效应回归中引入时空非参数成分，并用偏微分方程对其正则化以嵌入物理动态；随机效应捕捉组结构带来的潜在变异，采用基于函数型迭代重加权最小二乘的两步法估计固定与随机成分。
- 材料陈述的贡献
- 摘要明确陈述的贡献包括：提出该物理信息半参数混合效应建模框架、给出固定与随机成分的渐近性质、通过模拟研究并与文献中现有方法比较，以及将方法应用于意大利伦巴第小时二氧化氮浓度数据。
- 阅读关注点
- 应核对偏微分方程正则化的具体形式与识别条件、两步估计中函数型迭代重加权最小二乘的实现细节、渐近性质所依赖的假设，以及模拟设定与伦巴第数据中传感器技术差异如何对应随机效应。
- 阅读边界
- 仅凭摘要无法判断估计量的有限样本表现、模拟比较的具体结果、渐近定理的适用范围与正则性条件，也无法核实实证数据的处理与结论；该文为 arXiv 预印本，未经同行评审验证。
原文摘要
In this work we propose a novel approach for modeling spatio-temporal data characterized by group structures. In particular, we extend classical mixed effect regression models by introducing a space-time nonparametric component, regularized through a partial differential equation, to embed the physical dynamics of the underlying process, while random effects capture latent variability associated with the group structure present in the data. We propose a two-step procedure to estimate the fixed and random components of the model, relying on a functional version of the Iterative Reweighted Least Squares algorithm. We investigate the asymptotic properties of both fixed and random components, and we assess the performance of the proposed model through a simulation study, comparing it with state-of-the-art alternatives from the literature. The proposed methodology is finally applied to the study of hourly nitrogen dioxide concentration data in Lombardy (Italy), using random effects to account for measurement heterogeneity across monitoring stations equipped with different sensor technologies.