論文の概要: Gradient Boosting for Spatial Panel Models with Random and Fixed Effects

• arxiv url: http://arxiv.org/abs/2603.14543v1
• Date: Sun, 15 Mar 2026 18:33:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-17 16:19:35.878363
• Title: Gradient Boosting for Spatial Panel Models with Random and Fixed Effects
• Title（参考訳）: ランダム効果と固定効果を考慮した空間パネルモデルのグラディエントブースティング
• Authors: Michael Balzer, Adhen Benlahlou,
• Abstract要約: 本稿では,低次元および高次元の設定において,解釈可能な結果による推定が可能なモデルベース勾配向上アルゴリズムを提案する。 モジュラー性のため、フレキシブルなモデルベース勾配促進アルゴリズムは様々な空間パネルモデルに適している。 現実の応用としては、イタリア地区における非生命保険、インドネシアの農場での稲作、ドイツ地区での寿命などが挙げられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to the increase in data availability in urban and regional studies, various spatial panel models have emerged to model spatial panel data, which exhibit spatial patterns and spatial dependencies between observations across time. Although estimation is usually based on maximum likelihood or generalized method of moments, these methods may fail to yield unique solutions if researchers are faced with high-dimensional settings. This article proposes a model-based gradient boosting algorithm, which enables estimation with interpretable results that is feasible in low- and high-dimensional settings. Due to its modular nature, the flexible model-based gradient boosting algorithm is suitable for a variety of spatial panel models, which can include random and fixed effects. The general framework also enables data-driven model and variable selection as well as implicit regularization where the bias-variance trade-off is controlled for, thereby enhancing accuracy of prediction on out-of-sample spatial panel data. Monte Carlo experiments concerned with the performance of estimation and variable selection confirm proper functionality in low- and high-dimensional settings while real-world applications including non-life insurance in Italian districts, rice production in Indonesian farms and life expectancy in German districts illustrate the potential application.
• Abstract（参考訳）: 都市・地域研究におけるデータ利用率の増加に伴い、空間パネルモデルが出現し、空間パターンと時間的観察間の空間依存性を示す空間パネルデータをモデル化している。 推定は通常、極大確率法や一般化されたモーメント法に基づいているが、研究者が高次元の設定に直面している場合、これらの手法はユニークな解を得ることができない。 本稿では,低次元および高次元の設定で実現可能な解釈可能な結果による推定が可能なモデルベース勾配向上アルゴリズムを提案する。 モジュラー性のため、フレキシブルモデルに基づく勾配促進アルゴリズムは、ランダム効果と固定効果を含む様々な空間パネルモデルに適している。 一般のフレームワークでは、データ駆動モデルや変数選択、バイアス分散トレードオフが制御される暗黙の正規化も可能となり、サンプル外空間パネルデータの予測精度が向上する。 モンテカルロ実験は、イタリアの非生命保険、インドネシアの農場での稲作、ドイツの地区での寿命予測など、低次元および高次元の環境下での適切な機能を確認する。

関連論文リスト

• Demystifying Data-Driven Probabilistic Medium-Range Weather Forecasting [63.8116386935854]
  最先端の確率的スキルは、複雑なアーキテクチャ制約や専門的な訓練を必要としないことを実証する。 直下型遅延空間と履歴条件付きローカルプロジェクタを組み合わせることで,マルチスケールの大気力学を学習するためのスケーラブルなフレームワークを提案する。 我々のフレームワーク設計は確率的推定器の選択に頑健であり、補間、拡散モデル、CRPSに基づくアンサンブルトレーニングをシームレスにサポートする。
  論文  参考訳（メタデータ） (2026-01-26T03:52:16Z)
• High-Resolution Probabilistic Data-Driven Weather Modeling with a Stretched-Grid [1.2136581144377903]
  本研究では、任意の予測長とアンサンブルサイズで87変数の高空間分解能を実現するためのデータ駆動型気象モデルを提案する。 このモデルは、実空間とスペクトル空間におけるポイントワイドの評価されたCRPS(Continuous Ranked Probability Score)に基づく損失関数を用いて訓練される。
  論文  参考訳（メタデータ） (2025-11-28T10:08:03Z)
• Nonparametric Data Attribution for Diffusion Models [57.820618036556084]
  生成モデルのデータ属性は、個々のトレーニング例がモデル出力に与える影響を定量化する。 生成画像とトレーニング画像のパッチレベルの類似性によって影響を測定する非パラメトリック属性法を提案する。
  論文  参考訳（メタデータ） (2025-10-16T03:37:16Z)
• Gradient Boosting for Spatial Regression Models with Autoregressive Disturbances [0.0]
  自己回帰障害を伴う空間回帰モデルに対して,新しいモデルに基づく勾配促進アルゴリズムを提案する。 このアルゴリズムは、高次元の設定でも実現可能な代替推定手順を提供する。 ケーススタディでは、潜在的な空間依存構造を取り入れたドイツ地区の寿命をモデル化する。
  論文  参考訳（メタデータ） (2025-06-16T16:40:47Z)
• Influence Functions for Scalable Data Attribution in Diffusion Models [52.92223039302037]
  拡散モデルは、生成的モデリングに大きな進歩をもたらした。 しかし、彼らの普及はデータ属性と解釈可能性に関する課題を引き起こす。 これらの課題に対処するための影響関数フレームワークを開発する。
  論文  参考訳（メタデータ） (2024-10-17T17:59:02Z)
• Efficient modeling of sub-kilometer surface wind with Gaussian processes and neural networks [0.0]
  風は、その空間的および時間的変動が高いため、モデルにとって特に困難な変数である。 本稿では,ガウス過程とニューラルネットワークを統合した表面風洞をサブキロメートル分解能でモデル化する手法を提案する。
  論文  参考訳（メタデータ） (2024-05-21T09:07:47Z)
• Reconstructing Spatiotemporal Data with C-VAEs [49.1574468325115]
  移動領域の条件付き連続表現は一般的に用いられる。 本研究では,条件変数自動エンコーダ(C-VAE)モデルを用いて,領域の進化を現実的に表現する機能について検討する。
  論文  参考訳（メタデータ） (2023-07-12T15:34:10Z)
• A Clustering-aided Ensemble Method for Predicting Ridesourcing Demand in Chicago [0.0]
  本研究では,配車サービスにおけるゾーン間移動需要を予測するためのクラスタリング支援型アンサンブル手法(CEM)を提案する。 シカゴのライドソーシングトリップデータを用いて提案手法の実装と試験を行った。
  論文  参考訳（メタデータ） (2021-09-08T04:58:29Z)
• Characterizing Fairness Over the Set of Good Models Under Selective Labels [69.64662540443162]
  同様の性能を実現するモデルセットに対して,予測公正性を特徴付けるフレームワークを開発する。 到達可能なグループレベルの予測格差の範囲を計算するためのトラクタブルアルゴリズムを提供します。 選択ラベル付きデータの実証的な課題に対処するために、我々のフレームワークを拡張します。
  論文  参考訳（メタデータ） (2021-01-02T02:11:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。