論文の概要: Dynamic Spatial Bayesian Machine Learning Model: Applications to Intergenerational Economic Mobility and Geographic Income Inequality in the United States

• arxiv url: http://arxiv.org/abs/2610.00072v1
• Date: Fri, 04 Sep 2026 23:19:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.34926
• Title: Dynamic Spatial Bayesian Machine Learning Model: Applications to Intergenerational Economic Mobility and Geographic Income Inequality in the United States
• Title（参考訳）: 動的空間ベイズ機械学習モデル:米国における世代間経済移動と地理的所得不平等への応用
• Abstract要約: 本研究では,高次元パネルデータを対象とした動的空間的ベイズ付加回帰モデル(DSP-BARTHS)を開発した。 合衆国の2つの郡レベルのパネルアプリケーションにまたがって実用性を実証する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We develop a Dynamic Spatial Panel Bayesian Additive Regression Trees model with Horseshoe shrinkage (DSP-BART-HS) for high-dimensional spatio-temporal panel data. We jointly evaluate the model against a comprehensive suite of structural spatial econometrics, non-parametric machine learning methods, and small-area estimators across nine data-generating scenarios spanning 200 replicates each, including irregular spatial topologies, dense policy effects, and non-linear individual-level interactions. DSP-BART-HS is the best or statistically indistinguishable from the best estimator in every scenario. Conventional region-time-aggregate comparators suffer severe performance degradation -- trailing by a factor of three or more -- whenever individual-level non-linearity drives outcome variance, a limitation this framework's tree-ensemble design directly addresses. The model also maintains strong predictive accuracy under a zero-training-region spatial holdout via its spatial diffusion mechanism. We demonstrate practical utility across two U.S. county-level panel applications -- intergenerational economic mobility and geographic income inequality -- under genuine unseen-region, random, and temporal holdouts, with results validated through repeated-split uncertainty quantification and paired significance testing against every comparator. One clear limitation emerges: under temporal extrapolation specifically, a lighter per-region autoregressive specification (MTS-CAR-X) achieves a robust, and consistent advantage. DSP-BART-HS nonetheless establishes strong predictive performance, automated variable selection, and flexible inference for hierarchical spatio-temporal panel data.
• Abstract（参考訳）: 本研究では,高次元時空間データに対するホースシュー縮小(DSP-BART-HS)を用いた動的空間的ベイズ付加回帰木モデルを開発した。 我々は、不規則な空間トポロジ、密集した政策効果、非線形な個人レベルの相互作用を含む200個の複製にまたがる9つのデータ生成シナリオに対して、構造的空間エコノメトリ、非パラメトリック機械学習法、および小面積推定器の総合的なスイートに対して、モデルを共同で評価する。 DSP-BART-HSは、どのシナリオでも最高の推定器と区別がつかない。 従来のリージョン・タイム・アグリゲート・コンパレータは、個々のレベルの非直線性が結果のばらつきを引き起こすと、そのフレームワークのツリーアンサンブル設計が直接的に対処する、という3つ以上の要因によって、厳しいパフォーマンス劣化を被る。 このモデルは、空間拡散機構を介して、ゼロトレーニング領域の空間ホールトアウトの下で、強い予測精度を維持する。 我々は、未確認領域、ランダム、時間的ホールドアウトの下で、米国の2つの郡レベルのパネルアプリケーション -- 世代間経済モビリティと地域所得不平等 -- に実用性を示す。 特に時間外挿の下では、より軽量な地域ごとの自己回帰仕様(MTS-CAR-X)が堅牢で一貫した優位性を達成する。 それにもかかわらず、DSP-BART-HSは、階層的時空間データに対する強い予測性能、自動変数選択、フレキシブル推論を確立する。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• AdaST: Adaptive Coupling for Spatial-Temporal Forecasting [73.12995092031646]
  実世界のSTデータは、時間的支配と空間的支配から強い結合まで、異なる結合状態を示す。 本稿では,これらの課題に対処する適応的なST予測フレームワークであるAdaSTを提案する。 AdaSTは最先端のベースラインを大幅に上回り、適応的なアプローチの必要性を検証する。
  論文  参考訳（メタデータ） (2026-09-28T18:52:12Z)
• Dynamic Latent Space Modeling of Inhomogeneous Poisson Network Processes with Applications to International Relations [1.988145627448243]
  我々は,時間スタンプ付きダイアディック相互作用が個々のノードの妥当性と近接性の両方を反映する連続時間リレーショナルイベントデータについて検討した。 非均一なポアソン過程に対する動的潜時空間モデルを提案し、そこでは事象強度はノード固有の活動パラメータと、柔軟なB-スプラインでモデル化された時間変化潜時距離に依存する。
  論文  参考訳（メタデータ） (2026-09-08T14:39:10Z)
• Learning Spatio-Temporal Foundation Models from Pure Synthetic Data [85.23980441738811]
  NeoSTは、現実バイアスに対するスケーラブルな合成学習コーパスであり、複数の将来の軌跡を反復的に生成・洗練する潜在空間推論アーキテクチャであり、構造的ダイナミクスを強調し、分散シフトの下で推論時間補正を可能にする潜在空間目的である。 様々な実世界のベンチマークによる大規模な実験は、NeoSTが様々な実世界の時間系において既存のSTFMより一貫して優れていることを示している。
  論文  参考訳（メタデータ） (2026-06-27T02:56:46Z)
• DSFNet: Learning Dual-Domain Spectral Operators for Multi-Modality Spatio-Temporal Forecasting in Urban Transportation Systems [51.72074484150301]
  本稿ではDSFNet(Dual-Domain Spectral Network)を提案し,変数間の関係を明示的にモデル化する。 このフレームワークは、異種空間パターンを捉えるために、二重領域スペクトルフィルタリングを用いる。 2番目のベースラインと比較して、DSFNetはこれらのデータセット間でMAEを3.21%-10.16%削減する。
  論文  参考訳（メタデータ） (2026-06-05T07:33:57Z)
• Complexity-Balanced Diffusion Splitting [20.558008394592097]
  Complexity-Balanced Splitting (CBS)は、時間的キャパシティ割り当てのための原則的なフレームワークである。 CBSは拡散時間軸を等近似重みのセグメントに分割する。 CBSは、ステップごとの推論コストを増大させることなく、継続的に品質を向上する。
  論文  参考訳（メタデータ） (2026-06-04T17:57:15Z)
• Cross-Scenario Deraining Adaptation with Unpaired Data: Superpixel Structural Priors and Multi-Stage Pseudo-Rain Synthesis [48.809049043865905]
  低レベルのコンピュータビジョンでは,イメージデライン化が重要な役割を担っている。 ディープラーニングのパラダイムは、目に見えないアウト・オブ・ディストリビューションシナリオに一般化された場合、厳しいパフォーマンス劣化に悩まされることが多い。 本稿では,クロスシナリオ・デライニング適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-23T07:38:55Z)
• Tighnari v2: Mitigating Label Noise and Distribution Shift in Multimodal Plant Distribution Prediction via Mixture of Experts and Weakly Supervised Learning [4.888851550406879]
  Presence-Only (PO) データは広い空間範囲と豊富な分布を提供するが、負のサンプルではひどいラベルノイズに悩まされる。 本稿では,PAおよびPOデータの強度をフル活用したマルチモーダル融合フレームワークを提案する。 GeoLifeCLEF 2025の実験では,PAカバレッジが限定され,分散シフトが顕著なシナリオにおいて,本手法が優れた予測性能を実現することを示す。
  論文  参考訳（メタデータ） (2026-02-09T05:23:22Z)
• Leveraging generative adversarial networks with spatially adaptive denormalization for multivariate stochastic seismic data inversion [0.0]
  本研究では,地震データから相の予測と複数の相関した連続特性を示す反復的測地逆解析アルゴリズムSPADE-GANInvを提案する。 SPADE-GANは現実的なジオメトリを再現するように訓練され、シーケンシャルなコシミュレーションは相依存性の連続特性の空間的変動を予測する。 本手法は2次元合成シナリオとフィールドデータの両方で実証され, フルスタック地震データからフェーシ, ポロシティ, 音響インピーダンスの予測を目標としている。
  論文  参考訳（メタデータ） (2025-12-02T15:25:22Z)
• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)

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。