Modelling the effects of partially observed covariates on Poisson process intensity
部分观测协变量对泊松过程强度的影响建模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：摘要研究时间或空间点过程的抽样估计，未明确对应宏观时间序列、高频金融或因果推断方向。
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…
部分观测协变量对泊松过程强度的影响建模
- 研究问题
- 时间或空间变化的协变量仅在事件点及概率抽样选取的时点或地点可见时，如何估计其与泊松过程强度的关系？
- 方法与思路
- 作者针对该观测设计构造强度模型参数的估计函数，并在观测域扩大的渐近框架下分析估计量的统计性质。
- 材料陈述的贡献
- 摘要称估计量在增域渐近下具有一致性和渐近正态性，并利用吸烟行为的生态瞬时评估数据展示该方法。
- 阅读关注点
- 应核对概率抽样设计如何进入估计函数、事件点与抽样点的观测关系，以及增域渐近和标准误计算所需条件。
- 阅读边界
- 仅有版本未注明的索引摘要，未说明强度函数形式、抽样权重细节或依赖条件，不能推断因果效应及刊本变化。
原文摘要
We propose an estimating function for parameters in a model for Poisson process intensity when time- or space-varying covariates are observed for both the events of the process and at sample times or locations selected from a probability-based sampling design. We investigate the large-sample properties of the proposed estimator under increasing domain asymptotics, demonstrating that it is consistent and asymptotically normally distributed. We illustrate our approach using data from an ecological momentary assessment of smoking.