Estimating functions for inhomogeneous spatial point processes with incomplete covariate data
协变量信息不完整时非齐次空间点过程的估计函数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：摘要研究空间点过程与协变量缺失，未提供经济网络、干扰或其他所列细分方向的证据。
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
协变量信息不完整时非齐次空间点过程的估计函数
- 研究问题
- 空间点过程模型依赖的协变量未被完整观测时，如何量化参数估计的不确定性以及缺失协变量造成的效率损失。
- 方法与思路
- 作者为 spatstat 中用于非齐次泊松过程及某些非齐次聚类过程的估计函数引入蒙特卡洛版本，以分析不完整协变量情形。
- 材料陈述的贡献
- 摘要称修改后的估计函数使参数估计量的渐近分布分析成为可能，从而能够研究协变量数据缺失所导致的效率损失。
- 阅读关注点
- 应核对协变量缺失机制、蒙特卡洛构造与误差处理、适用聚类过程范围，以及空间渐近框架和效率损失的度量。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；缺失机制、模拟规模及渐近条件未说明，不能据此认定任意协变量缺失均可处理。
原文摘要
The R package spatstat provides a very flexible and useful framework for analysing spatial point patterns. A fundamental feature is a procedure for fitting spatial point process models depending on covariates. However, in practice one often faces incomplete observation of the covariates and this leads to parameter estimation error which is difficult to quantify. In this paper, we introduce a Monte Carlo version of the estimating function used in spatstat for fitting inhomogeneous Poisson processes and certain inhomogeneous cluster processes. For this modified estimating function, it is feasible to obtain the asymptotic distribution of the parameter estimators in the case of incomplete covariate information. This allows a study of the loss of efficiency due to the missing covariate data.