Skip to content
Hot eventLive

DSP-BART-HS动态空间贝叶斯模型用于代际流动性与收入不平等

1 reports1 sources3 hr ago updated

Get the story

AI overview

2026-10-02，arXiv 发表统计学/机器学习论文，提出 DSP-BART-HS 动态空间贝叶斯模型，用于高维时空面板数据。模型在 9 类数据生成场景、每类 200 次重复中表现最优或与最优统计不可辨；当个体层面非线性驱动结果方差时，传统区域-时间聚合比较器落后 3 倍以上。该模型通过树集成设计直接解决此问题，并在零训练区域空间留出下保持预测精度。应用覆盖美国县级面板数据中的代际经济流动与地理收入不平等，但时间外推时 MTS-CAR-X 的自回归设定更稳健。

Generated from reports · updated 3 hr ago

LatestOct 2
arXiv 论文发布，DSP-BART-HS 在多类场景表现最优或不可辨，传统聚合比较器落后 3 倍以上，时间外推时 MTS-CAR-X 更稳健。

Timeline

Follow the coverage from different angles.

Oct 2, 2026
  1. arXiv · Statistics Machine Learning
    动态空间贝叶斯机器学习模型：DSP-BART-HS 及在美国代际经济流动与地理收入不平等中的应用

    研究提出 DSP-BART-HS 模型，用于高维时空面板数据，在 9 类数据生成场景、每类 200 次重复中表现最优或与最优统计不可区分。在个体层面非线性驱动结果方差时，传统区域-时间聚合比较器落后 3 倍以上；该模型通过树集成设计直接解决此问题，并在零训练区域空间留出下保持预测精度。应用覆盖美国县级面板数据中的代际经济流动与地理收入不平等，但时间外推时 MTS-CAR-X 的自回归设定更稳健。

Heat trend

There is not enough continuous observation data to draw a trend yet.