×
程毅;宋云泉

空间Durbin模型的同时异常检测和变量选择。 （英语） Zbl 07789483号

钎焊。J.概率。斯达。 37，第3号，596-618（2023）.
摘要：随着经济和技术的不断发展，空间数据的应用越来越广泛。在处理复杂空间数据时，离群点检测已成为空间模型研究中的一个重要问题。本文提出了一种在空间Durbin模型中同时执行离群点检测和变量选择的方法。该方法结合了空间统计的相关理论，通过对空间数据的建模和分析，能够准确识别和定位离群值，以及选择估计系数的变量。实验结果表明，该方法在保持精度的同时，有效地检测了空间数据中的离群点，具有较高的可解释性和推广价值。此外，通过一个实际案例，证明了该方法在实际场景中的有效性。

MSC公司：

62至XX 统计
86年X月X日 地球物理学

关键词：

异常检测;空间杜宾模型;变量选择

软件：

开放式基金
PDF格式BibTeX公司 XML格式引用
\textit{Y.Cheng}和\textit{Y.Song}，Braz。J.概率。Stat.37，No.3，596--618（2023；Zbl 07789483）
全文： 内政部

参考文献：

[1] AECE和BVPA（2021）。孤立点检测和准周期优化算法：基于频域的孤立点检测（FOD）-ScienceDirect。《欧洲运筹学杂志》291560-574。数字对象标识符：10.1016/j.ejor.2020.01.014谷歌学者：查找链接数学科学网：MR4204447·Zbl 1487.62111号 ·doi:10.1016/j.ejor.2020.01.014
[2] Akaike，H.（1973）。高斯自回归滑动平均模型的最大似然辨识。生物特征60, 255-265. 数字对象标识符：10.1093/biomet/60.2.255谷歌学者：查找链接数学科学网：MR0326953·Zbl 0318.62075号 ·doi:10.1093/biomet/60.2.255
[3] Angiulli，F.、Basta，S.和Pizzuti，C.（2005年）。基于距离的异常值检测和预测。IEEE知识与数据工程汇刊18，145-160。
[4] Anselin，L.（1988）。空间计量经济学：方法和模型。柏林：斯普林格。
[5] Antoniadis，A.和Fan，J.（2001）。小波近似的正则化。《美国统计协会杂志》96，939-967。数字对象标识符：10.1198/016214501753208942谷歌学者：查找链接数学科学网：MR1946364·Zbl 1072.62561号 ·doi:10.1198/016214501753208942
[6] Bekti（1975）。空间相互作用模型的估计方法。美国统计协会杂志70，120-126。数学科学网：MR0413393·Zbl 0313.62063号
[7] Bekti（2013）。空间Durbin模型的最大似然估计。数学与统计杂志9，169-174。
[8] Bekti（2020）。中国能源投资、经济增长与碳排放——基于空间杜宾模型的实证分析。能源政策140，111425。
[9] Breunig，M.M.、Kriegel，H.P.、Ng，R.T.（1999）。光学：识别局部异常值。《数据挖掘和知识发现原理：第三届欧洲会议》，262-270。
[10] Breunig，M.M.、Kriegel，H.P.、Ng，R.T.（2000）。LOF：识别基于密度的局部异常值。2000年ACM SIGMOD国际数据管理会议记录，93-104。
[11] 杜，X.，左，E.，楚，Z.，（2023）。基于波动的异常值检测。科学报告13，2408。
[12] Foster，D.P.和George，E.I.（1994年）。多元回归的风险通货膨胀标准。《统计年鉴》第22期，1947-1975年。数字对象标识符：10.1214/aos/1176325766谷歌学者：查找链接数学科学网：MR1329177·Zbl 0829.62066号 ·doi:10.1214/aos/1176325766
[13] Ghiringhelli，C.、Piras，G.、Arbia，G.和Mira，A.（2022年）。空间误差模型的递归估计。地理分析55，90-106。数字对象标识符：10.1111/gean.12317谷歌学者：查找链接·doi:10.1111/性别.12317
[14] Hannan，E.J.和Quinn，B.G.（1979年）。确定自回归的顺序。英国皇家统计学会杂志，B辑，方法学41190-195。数学科学网：MR0547244·Zbl 0408.62076号
[15] Hodge，V.和Austin，J.（2004）。离群值检测方法综述。《人工智能评论》22，85-126·Zbl 1101.68023号
[16] Huang，Y.，Chen，C.，Lei，L.，（2022）。绿色金融对绿色创新的影响：空间和非线性视角。清洁生产杂志365，132548。
[17] Jin，L.，Dai，X.，Shi，A.和Shi，L.（2013）。混合回归空间自回归模型中异常值的检测。统计学中的传播——理论与方法45，5179-5192。数字对象标识符：10.1080/03610926.2014.941493谷歌学者：查找链接数学科学网：MR3520303·Zbl 1347.62156号 ·doi:10.1080/03610926.2014.941493
[18] Kelejian，H.H.和Prucha，I.R.（2013）。估计具有自回归扰动的空间自回归模型的广义空间二级最小二乘法。《房地产金融与经济杂志》17，99-121。
[19] Kong，D.、Bondell，H.D.和Wu，Y.（2018）。通过惩罚回归进行充分有效的稳健估计、离群值检测和变量选择。中国统计局，1031-1052·Zbl 1390.62119号
[20] Lee，L.F.（2004）。空间自回归模型拟极大似然估计的渐近分布。计量经济学72, 1899-1925. 数学科学网：MR3489437·Zbl 1142.62312号
[21] Lee，L.F.（2014）。一般空间模型中的离群点检测。系统科学与数学科学杂志·Zbl 1313.62104号
[22] Liu，X.、Chen，J.和Cheng，S.（2018年）。空间自回归模型中变量选择的惩罚拟最大似然方法。空间统计25，86-104。数字对象标识符：10.1016/j.spasta.2018.5.001谷歌学者：查找链接数学科学网：MR3809257·doi:10.1016/j.spasta.2018.5.001
[23] Logan，B.F.，Mallows，C.L.，Rice，S.O.，（1973年）。自归一化和的极限分布。《概率年鉴》1788-809·Zbl 0272.60016号
[24] Mur，J.和Angulo，A.（2006年）。空间杜宾模型和公因子检验。空间经济分析1207-226。
[25] 纳瓦罗·J、艾萨克·M·D·D、费尔南德斯·R·R（2022）。基于三角形的离群点检测。模式识别字母2022，156。
[26] 关于检测空间异常值（2008年）。LOF：识别基于密度的局部异常值。地理信息学12, 455-475.
[27] Schwarz，G.（1978年）。估算模型的维度。《统计年鉴》1978，461-464。数学科学网：MR0468014·Zbl 0379.62005年
[28] She，Y.和Owen，A.B.（2011年）。使用非凸惩罚回归进行异常检测。美国统计协会杂志106，626-639。数字对象标识符：10.1198/jasa.2011.tm10390谷歌学者：查找链接数学科学网：MR2847975·Zbl 1232.62068号 ·doi:10.1198/jasa.2011.tm10390
[29] Smirnov，O.和Anselin，L.（2001）。超大空间自回归模型的快速最大似然估计：特征多项式方法。计算统计与数据分析35，301-319。数字对象标识符：10.1016/S0167-9473（00）00018-9谷歌学者：查找链接数学科学网：MR1819042·Zbl 1080.62539号 ·doi:10.1016/S0167-9473（00）00018-9
[30] Stone，M.（1974年）。交叉验证和多项式预测。生物特征第61509-515页。数字对象标识符：10.1093/biomet/61.3.509谷歌学者：查找链接数学科学网：MR0415896·Zbl 0292.62025号 ·doi:10.1093/biomet/61.3.509
[31] Tibshirani，J.和Manning，C.D.（2013）。使用移位参数的稳健逻辑回归。（长版）。arXiv预印本。可从arXiv:1305.4987获得。数学科学网：MR2634010
[32] Tibshirani，R.（1996）。通过套索回归收缩和选择。英国皇家统计学会期刊，B辑，方法论58267-288。数学科学网：MR1379242·兹比尔0850.62538
[33] Ying，D.（2018）。空间自回归阈值模型的估计。《经济学快报》171、172-175·Zbl 1402.62198号
[34] Zhang，C.H.（2010）。极小极大凹惩罚下的几乎无偏变量选择。《统计年鉴》38，894-942。数字对象标识符：10.1214/09-AOS729谷歌学者：查找链接数学科学网：MR2604701·Zbl 1183.62120号 ·doi:10.1214/09-AOS729
[35] Zhang，M.，Li，Y.，Lu，J.和Shi，L.（2021）。荟萃回归模型中的异常检测和调节。统计学中的通信——理论和方法50，1728-1744。数字对象标识符：10.1080/03610926.2019.1652321谷歌学者：查找链接数学科学网：MR4241917·Zbl 07530933号 ·doi:10.1080/03610926.2019.1652321
[36] 朱德、刘毅、姚新（2021）。空间回归图卷积神经网络：空间多元分布的深度学习范式。地理信息学2021, 1-32.
[37] 邹华（2006）。自适应Lasso及其oracle属性。美国统计协会期刊101，1418-1429。数字对象标识符：10.1198/016214500000735谷歌学者：查找链接数学科学网：MR2279469·Zbl 1171.62326号 ·doi:10.1198/016214500000735
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。