Joint Composite Estimating Functions in Spatiotemporal Models
时空模型中的联合复合估计函数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：摘要明确建模时间依赖及其与空间依赖的交叉协方差，符合时间序列方向；应用是环境数据而非宏观面板。
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…
时空模型中的联合复合估计函数
- 研究问题
- 面对高维时空数据，如何降低协方差结构估计的计算负担，并利用空间、时间及交叉配对信息进行联合推断？
- 方法与思路
- 作者从三类配对构造过度识别的估计函数，再以类似广义矩方法的思路形成联合推断函数，用于时空协方差估计。
- 材料陈述的贡献
- 摘要称方法降低计算复杂度并提高相对已有复合似然方法的效率，在所述条件下一致且渐近正态，并展示模拟与PM10应用。
- 阅读关注点
- 核对配对构造、联合推断的权重及渐近框架，检查效率比较基准、计算成本口径和空气污染应用中的协方差设定。
- 阅读边界
- 仅据Crossref摘要；“实际情形”的具体条件、效率增益及模拟数值未提供，不能将所述表现推广至所有时空模型。
原文摘要
Summary Modelling of spatiotemporal processes has received considerable attention in recent statistical research. However, owing to the high dimensionality of the data, the joint modelling of spatial and temporal processes presents a great computational challenge, in both likelihood-based and Bayesian approaches. We propose a joint composite estimating function approach to estimating spatiotemporal covariance structures. This substantially reduces the computational complexity and is more efficient than existing composite likelihood methods. The novelty of the proposed joint composite estimating function is rooted in the construction of three sets of estimating functions from spatial, temporal and spatiotemporal cross-pairs, which results in overidentified estimating functions. Thus, we form a joint inference function in a spirit that is similar to Hansen’s generalized method of moments. We show that under practical scenarios the estimator proposed is consistent and asymptotically normal. Simulation studies prove that our method performs well in finite samples. Finally, we illustrate the joint composite estimating function method by estimating the spatiotemporal dependence structure of airborne particulates (PM10) in the north-eastern USA over a 32-month period.