Data-Driven Spatial Weight Matrices for Space-Time Autoregressive Models: A Similarity-Based Framework with an Application to Global Temperature Dynamics
Este artigo propõe uma estrutura orientada por dados para a construção de matrizes de pesos espaciais baseadas em similaridade estatística, em vez de proximidade geográfica, para aprimorar modelos Autorregressivos Espaço-Temporais, demonstrando, através da análise da temperatura global, que especificações baseadas em similaridade, particularmente aquelas que utilizam a distância de Hamming, melhoram significativamente a precisão de previsão em comparação com abordagens convencionais baseadas em contiguidade.