Adaptively Varying-Coefficient Spatiotemporal Models
自适应变系数时空模型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。
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：摘要以随位置和指标变化的自回归系数刻画时间动态，直接涉及时间序列方法。
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…
自适应变系数时空模型
- 研究问题
- 对空间上不规则、时间上规则观测的数据，如何刻画时空非线性与空间非平稳性，并估计随位置和未知指标变化的系数？
- 方法与思路
- 作者允许自回归系数随空间位置和未知指标变量变化，以两步程序估计系数函数及指标，并在第二步实施空间平滑。
- 材料陈述的贡献
- 摘要称该方法适用于大型时空数据，存在块金效应时空间平滑可能降低估计误差，并以模拟及北海海平面气压数据展示。
- 阅读关注点
- 全文需核对未知指标的定义与识别、两步估计的顺序和带宽选择，以及块金效应下空间平滑降低误差的具体条件。
- 阅读边界
- 仅据 Crossref 摘要；误差改善的条件、幅度及计算复杂度未提供，不能据此认为空间平滑在所有时空数据中都有效。
原文摘要
Summary We propose an adaptive varying-coefficient spatiotemporal model for data that are observed irregularly over space and regularly in time. The model is capable of catching possible non-linearity (both in space and in time) and non-stationarity (in space) by allowing the auto-regressive coefficients to vary with both spatial location and an unknown index variable. We suggest a two-step procedure to estimate both the coefficient functions and the index variable, which is readily implemented and can be computed even for large spatiotemporal data sets. Our theoretical results indicate that, in the presence of the so-called nugget effect, the errors in the estimation may be reduced via the spatial smoothing—the second step in the estimation procedure proposed. The simulation results reinforce this finding. As an illustration, we apply the methodology to a data set of sea level pressure in the North Sea.