.png){kind=icon}
返回
A semiparametric space-time quantile regression model
.png){kind=icon}
PRE
AI
DOI：10.1080/10485252.2025.2593910.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
时空数据通常表现出非高斯行为、异方差性和偏度。这类数据例如在环境科学和生态学领域中极为常见。本文提出了一种用于时空分位数回归的半参数模型。该估计泛函引入了基于空间和时间微分算子的粗糙度惩罚。我们研究了模型的理论性质，证明了相关估计量的一致性和渐近正态性。为评估所提出方法的有效性，我们进行了模拟研究，并将其与当前最先进的技术进行比较。最后，我们将该模型应用于分析意大利伦巴第地区（Lombardy region, Italy）二氧化氮（nitrogen dioxide）浓度的时空演变。对这种污染物（pollutant）的分析对于制定旨在改善空气质量的政策具有重要意义。
Keyword:
Smoothing with roughness penalties
spatio-temporal data
functional data analysis
期刊
J
IF:
0.9
论文数:
38
被引数:
1.1K
机构
引用论文
.png){kind=icon}
分享收藏分享收藏Spatiotemporal Quantile Regression for Detecting Distributional Changes in Environmental Processes
OAAI
OAAI分享收藏
查看更多内容