On Consistent Nonparametric Intensity Estimation for Inhomogeneous Spatial Point Processes
非齐次空间点过程的一致非参数强度估计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：摘要讨论空间点过程强度与协变量降维，未研究网络关系、干扰或所列经济应用，现有文本不足以支持领域分类。
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
非齐次空间点过程的一致非参数强度估计
- 研究问题
- 空间点过程在固定邻域内的事件数量有限，局部核平滑可能不一致；如何利用协变量实现可靠的强度函数估计？
- 方法与思路
- 作者以协变量值的差异定义点之间的距离并构造核权重，同时将切片逆回归扩展到空间点过程以处理高维协变量。
- 材料陈述的贡献
- 摘要称，在适当协变量与点过程条件下，新强度估计量一致；论文还提供降维扩展、模拟和真实数据示例。
- 阅读关注点
- 应核对强度与协变量之间的关系、渐近框架、核带宽条件，以及切片逆回归扩展所需的假设与适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；一致性的具体条件及实证细节未说明，不能据此推广或推断刊本变化。
原文摘要
A common nonparametric approach to estimate the intensity function of an inhomogeneous spatial point process is through kernel smoothing. When conducting the smoothing, one typically uses events only in a local set around the point of interest. But the resulting estimator often is inconsistent, because the number of events in a fixed set is of order 1 for spatial point processes. In this article we propose a new covariate-based kernel smoothing method to estimate the intensity function. Our method defines the distance between any two points as the difference between their associated covariate values. Consequently, we determine the kernel weight for a given event of the process as a function of its new distance to the point of interest. Under some suitable conditions on the covariates and the spatial point process, we prove that our new estimator is consistent for the true intensity. To handle the situation with high-dimensional covariates, we also extend sliced inverse regression, a useful dimension-reduction tool in standard regression analysis, to spatial point processes. Simulations and an application to a real data example are used to demonstrate the usefulness of the proposed method.