Nonparametric estimation of correlation functions in longitudinal and spatial data, with application to colon carcinogenesis experiments
纵向与空间数据相关函数的非参数估计及结肠致癌实验应用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：摘要明确涉及纵向数据、固定主体及主体内重复观测的相关性推断，因此与面板数据方向直接相关，同时也覆盖空间数据。
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…
纵向与空间数据相关函数的非参数估计及结肠致癌实验应用
- 研究问题
- 当纵向或空间观测的相关性按时间或距离滞后平稳、采样位置却不均匀时，如何估计相关函数并进行统计推断？
- 方法与思路
- 作者采用核方法估计相关函数，在主体数固定而主体内观测增加的框架下推导逐点正态近似，并构造加权区块自助法。
- 材料陈述的贡献
- 摘要称建立了估计量的逐点渐近正态性，并以反映采样不均匀性的权重进行自助推断，另提供结肠实验应用与模拟。
- 阅读关注点
- 应核对主体内依赖与采样机制的条件、权重和区块长度的构造，以及固定主体数的渐近框架如何对应实际实验设计。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本。摘要只说明逐点渐近结果，未给出同时推断保证、模拟数值或对非平稳相关结构的适用性。
原文摘要
In longitudinal and spatial studies, observations often demonstrate strong correlations that are stationary in time or distance lags, and the times or locations of these data being sampled may not be homogeneous. We propose a nonparametric estimator of the correlation function in such data, using kernel methods. We develop a pointwise asymptotic normal distribution for the proposed estimator, when the number of subjects is fixed and the number of vectors or functions within each subject goes to infinity. Based on the asymptotic theory, we propose a weighted block bootstrapping method for making inferences about the correlation function, where the weights account for the inhomogeneity of the distribution of the times or locations. The method is applied to a data set from a colon carcinogenesis study, in which colonic crypts were sampled from a piece of colon segment from each of the 12 rats in the experiment and the expression level of p27, an important cell cycle protein, was then measured for each cell within the sampled crypts. A simulation study is also provided to illustrate the numerical performance of the proposed method.