A Composite Likelihood Approach in Fitting Spatial Point Process Models
拟合空间点过程模型的复合似然方法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的二阶强度与复合似然，空间关联本身不足以对应经济网络与干扰等所列细分。
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
拟合空间点过程模型的复合似然方法
- 研究问题
- 在空间点过程模型中，如何利用成对关系构造计算较简单的参数估计方法，并与常用最小对比估计进行性能比较？
- 方法与思路
- 作者依据点过程的二阶强度函数定义成对复合似然，再将这些函数相加构造估计准则，用于估计模型中的未知参数。
- 材料陈述的贡献
- 摘要称，所提程序计算简单，在一定条件下产生一致且渐近正态的估计量；模拟与两项实际应用提示可能改善估计表现。
- 阅读关注点
- 应核对成对复合似然的构造、渐近框架及依赖条件，以及方差计算和与最小对比方法比较时采用的误差指标及设置。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；所称温和条件、模型种类及改善幅度未说明，摘要只称可能改善，不能认定普遍优越。
原文摘要
We propose a new likelihood-based approach in fitting spatial point process models. A composite likelihood is first formed by adding some pairwise composite likelihood functions that are defined in terms of the second-order intensity function of the underlying process, and then used for estimating the unknown parameters. The estimation procedure is computationally simple and yields consistent and asymptotically normal estimators under some mild conditions. We demonstrate through a simulation study and applications to two real data examples that the proposed approach may lead to improved estimations compared with the commonly used “minimum contrast estimation” approach.