Data-Driven Spatial Weight Matrices for Space-Time Autoregressive Models: A Similarity-Based Framework with an Application to Global Temperature Dynamics
Este artículo propone un marco de trabajo basado en datos para la construcción de matrices de pesos espaciales basadas en la similitud estadística en lugar de la proximidad geográfica para mejorar los modelos autorregresivos espacio-temporales, demostrando a través del análisis de la temperatura global que las especificaciones basadas en la similitud, particularmente aquellas que utilizan la distancia de Hamming, mejoran significativamente la precisión de la previsión en comparación con los enfoques convencionales basados en la contigüidad.