Eigenvector Spatial Filters Nuclear Norm Matrix Completion with Application to Air Quality Data
特征向量空间滤波核范数矩阵补全及其空气质量应用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：摘要明确处理环境面板数据，并扩展含个体固定效应的矩阵补全方法。
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…
关注这篇论文的作者
特征向量空间滤波核范数矩阵补全及其空气质量应用
- 研究问题
- 论文研究环境面板缺失观测的重建，关注常规低秩矩阵补全忽略空间依赖时，如何利用空间结构改善空气质量插补。
- 方法与思路
- 作者用 Moran 型空间特征向量替代个体截距，结合核范数惩罚、分块坐标下降、软阈值奇异值分解及交叉验证估计。
- 材料陈述的贡献
- 摘要称空间异质性存在时插补更准确，轻微偏离时仍有竞争力且计算成本近似不变，并应用于伦巴第日度 PM10 数据。
- 阅读关注点
- 应核对空间权重与特征向量的选择、缺失机制、惩罚调参及模拟比较基准，并检查空间结构失配时的表现。
- 阅读边界
- 这是所给 arXiv v4 预印本摘要，不能据此声称已同行评审或期刊接收；具体改进幅度、缺失机制条件及理论保证未说明。
原文摘要
Reliable reconstruction of missing observations in environmental panel datasets is essential for accurate exposure assessment and policy analysis. Traditional nuclear norm matrix completion methods effectively impute missing entries in low-rank matrices, yet often overlook the spatial dependence inherent to air quality processes. This paper introduces the Eigenvector Spatial Filters Nuclear Norm Matrix Completion (ESFNNMC) method, an extension of nuclear norm fixed-effects matrix completion that replaces unit-specific intercepts with a set of Moran-type eigenvectors capturing the dominant spatial dependence patterns implied by a spatial weights matrix. To estimate the model, we propose a block-coordinate descent algorithm, combined with soft-thresholded singular value decomposition and cross-validated regularization. Through comprehensive simulations varying missingness patterns, the level of spatial and temporal autocorrelation, and dimension, shape, and rank structure of the matrices, we demonstrate that ESFNNMC improves imputation accuracy when unit heterogeneity exhibits spatial structure, while remaining competitive under mild departures from this assumption. Furthermore, it keeps the computational cost approximately unchanged. The method is applied to impute missing entries in daily PM10 measurements in 64 monitoring stations in Lombardy, Italy, during the year 2021.