推断空间自回归分析的连续性矩阵及其在房价预测中的应用
摘要：传统统计学、机器学习和数据挖掘中的推断方法假设数据是从独立同分布的过程生成的。空间数据展示出违反独立同分布假设的行为。例如，在空间回归中的标准方法是假设存在一个邻接矩阵，该矩阵捕捉了数据的空间自相关属性。然而，直到现在，所有空间方法都假设邻接矩阵是已知的或可以通过使用空间相似函数来估计的。在本文中，我们提出了一个凸优化的表达来解决空间自相关回归(SAR)模型，其中邻接矩阵和非空间回归参数都是未知的，并且通过数据进行推断。我们使用交替方向乘子法(ADMM)来求解问题，这提供了一个既稳健又高效的解决方案。虽然我们的方法是通用的，但我们使用来自波士顿和悉尼房地产市场的数据来引导分析和验证结果。我们方法的一个新颖副作用是自动发现将转化为房屋数据集中子市场的空间聚类。
作者：Somwrita Sarkar and Sanjay Chawla
论文ID：1607.01999
分类：Economics
分类简称：q-fin.EC
提交时间：2016-07-08