On optimal spatial subsample size for variance estimation
空间子抽样方差估计的最优子样本规模AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要讨论规则网格空间过程的子抽样理论，空间相关本身不足以将其归为面板数据或网络与干扰方向。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
空间子抽样方差估计的最优子样本规模
- 研究问题
- 对规则网格上观测的空间过程，如何选择子抽样块的大小以优化方差估计，采样区域几何形状和随机场特征如何影响选择？
- 方法与思路
- 作者推导子抽样方差估计的均方误差展开，结合凸集平移中的格点计数得到理论最优块大小，并进行形状计算和数值比较。
- 材料陈述的贡献
- 摘要称最优块大小复杂地依赖区域几何与随机场特征，给出若干常见区域形状的计算，并比较子抽样及块大小估计程序。
- 阅读关注点
- 应核对空间依赖与采样区域的条件、误差展开中的主导项，以及块形状、重叠方式和未知量估计对最优选择的影响。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要。摘要未给出最优块大小公式或数值结果，不能直接套用于不规则空间采样。
原文摘要
We consider the problem of determining the optimal block (or subsample) size for a spatial subsampling method for spatial processes observed on regular grids. We derive expansions for the mean square error of the subsampling variance estimator, which yields an expression for the theoretically optimal block size. The optimal block size is shown to depend in an intricate way on the geometry of the spatial sampling region as well as characteristics of the underlying random field. Final expressions for the optimal block size make use of some nontrivial estimates of lattice point counts in shifts of convex sets. Optimal block sizes are computed for sampling regions of a number of commonly encountered shapes. Numerical studies are performed to compare subsampling methods as well as procedures for estimating the theoretically best block size.