Estimation for semiparametric nonlinear regression of irregularly located spatial time-series data

داده های سری زمانی فضایی بزرگ با ساختارهای پیچیده جمع آوری شده در مکان های نمونه برداری نامنظم فاصله ها در طیف گسترده ای از کاربردهای رایج هستند. با این حال، روش اقتصاد سنجی و آماری برای مدل سازی غیر خطی و تجزیه و تحلیل چنین داده ها نادر است. بنابراین یک مدل رگرسیون غیر خطی نیمه پارامتر برای مدل سازی رابطه غیرخطی بین پاسخ و کوواریات، که مبتنی بر موقعیت مکانی است و هر دو تأثیر زمان-زمان و همسایه-فضایی را در نظر می گیرد، ارائه می دهد که اجازه می دهد فرآیند تولید داده ها بیش از فضای غیر دائمی (اما تبدیل به مجموعه ثابت در طول زمان) در حالی که شبکه های فضایی نمونه برداری می توانند نامنظم باشند. یک روش نیمه ارزیابی برای برآورد نیز توسعه یافته است که به صورت محاسباتی امکان پذیر است و بنابراین کاربرد را در عمل امکان پذیر می سازد. خواص همبستگی برآوردگرهای پیشنهادی در حالیکه شبیه سازی عددی برای مقایسه مقایسه بین برآوردها قبل و بعد از هموار سازی فضایی صورت می گیرد. کاربرد تجربی برای بررسی قیمت مسکن در رابطه با نرخ بهره در ایالات متحده با ساختار آستانه غیر خطی مشخص شده است.