Data-Driven Spatial Weight Matrices for Space-Time Autoregressive Models: A Similarity-Based Framework with an Application to Global Temperature Dynamics
Cet article propose un cadre fondé sur les données pour la construction de matrices de poids spatiaux basées sur la similitude statistique plutôt que sur la proximité géographique afin d'améliorer les modèles auto-régressifs espace-temps, démontrant à travers l'analyse de la température mondiale que les spécifications basées sur la similitude, particulièrement celles utilisant la distance de Hamming, améliorent significativement la précision des prévisions par rapport aux approches conventionnelles fondées sur la contiguïté.