Data-Driven Spatial Weight Matrices for Space-Time Autoregressive Models: A Similarity-Based Framework with an Application to Global Temperature Dynamics
Dieses Paper schlägt ein datengesteuertes Framework für die Konstruktion räumlicher Gewichtungsmatrizen vor, die auf statistischer Ähnlichkeit anstatt auf geografischer Nähe basieren, um Raum-Zeit-Autoregressive Modelle zu verbessern, wobei durch eine globale Temperaturanalyse demonstriert wird, dass auf Ähnlichkeit basierende Spezifikationen, insbesondere solche unter Verwendung der Hamming-Distanz, die Prognosegenauigkeit im Vergleich zu herkömmlichen auf Kontiguität basierenden Ansätzen signifikant verbessern.