Data-Driven Spatial Weight Matrices for Space-Time Autoregressive Models: A Similarity-Based Framework with an Application to Global Temperature Dynamics
Questo articolo propone un framework basato sui dati per la costruzione di matrici di ponderazione spaziale basate sulla somiglianza statistica piuttosto che sulla prossimità geografica per migliorare i modelli autoregressivi spazio-temporali, dimostrando attraverso l'analisi della temperatura globale che le specifiche basate sulla somiglianza, in particolare quelle che utilizzano la distanza di Hamming, migliorano significativamente l'accuratezza delle previsioni rispetto ai convenzionali approcci basati sulla contiguità.