Goodness of fit tests for a class of Markov random field models
一类马尔可夫随机场模型的拟合优度检验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：摘要讨论空间随机场拟合检验，未涉及经济网络、干扰效应或其他所列方向。
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…
一类马尔可夫随机场模型的拟合优度检验
- 研究问题
- 对于离散或连续、可能含未知参数的空间数据马尔可夫随机场模型，如何正式检验其拟合优度？
- 方法与思路
- 作者构造广义空间残差，将非相邻观测组成 conclique，利用组内均匀独立同分布性质汇总拟合优度统计量。
- 材料陈述的贡献
- 摘要称，在一定条件下推导简单与复合原假设检验统计量的大样本分布，并通过模拟和数据实例展示模型评估。
- 阅读关注点
- 应核对空间残差定义、非相邻分组方式、组内与组间依赖的区别，以及参数估计对复合假设检验分布的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法确定渐近条件；组内独立不意味着不同分组之间也独立。
原文摘要
This paper develops goodness of fit statistics that can be used to formally assess Markov random field models for spatial data, when the model distributions are discrete or continuous and potentially parametric. Test statistics are formed from generalized spatial residuals which are collected over groups of nonneighboring spatial observations, called concliques. Under a hypothesized Markov model structure, spatial residuals within each conclique are shown to be independent and identically distributed as uniform variables. The information from a series of concliques can be then pooled into goodness of fit statistics. Under some conditions, large sample distributions of these statistics are explicitly derived for testing both simple and composite hypotheses, where the latter involves additional parametric estimation steps. The distributional results are verified through simulation, and a data example illustrates the method for model assessment.