Testing the covariance structure of multivariate random fields
多元随机场协方差结构的检验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：摘要对象是一般多元时空随机场，未提供宏观时间序列或其他所列领域的直接依据。
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
多元随机场协方差结构的检验
- 研究问题
- 面对多元空间及时空观测，如何检验协方差函数对变量、空间和时间相关性的常用结构假设是否适当？
- 方法与思路
- 作者利用样本时空互协方差估计量的联合渐近正态性，构造针对对称性、可分性及线性协同区域化模型的检验。
- 材料陈述的贡献
- 摘要提出一套协方差结构检验方法，用模拟考察检验尺寸与功效，并以加利福尼亚三变量污染数据示范。
- 阅读关注点
- 应核对三类结构假设的精确定义、互协方差估计的渐近条件，以及模拟中的尺寸、功效和采样设计。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未列出渐近条件或模拟数值，污染数据应用也不能据此扩展为宏观时间序列结论或推断刊本变化。
原文摘要
There is an increasing wealth of multivariate spatial and multivariate spatio-temporal data appearing. For such data, an important part of model building is an assessment of the properties of the underlying covariance function describing variable, spatial and temporal correlations. In this paper, we propose a methodology to evaluate the appropriateness of several types of common assumptions on multivariate covariance functions in the spatio-temporal context. The methodology is based on the asymptotic joint normality of the sample space-time cross-covariance estimators. Specifically, we address the assumptions of symmetry, separability and linear models of coregionalization. We conduct simulation experiments to evaluate the sizes and powers of our tests and illustrate our methodology on a trivariate spatio-temporal dataset of pollutants over California.