Maximum likelihood estimation of models for residual covariance in spatial regression
空间回归中残差协方差模型的最大似然估计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：摘要讨论空间残差相关与协方差估计，未提供网络干扰或所列时间序列方向的直接证据。
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
空间回归中残差协方差模型的最大似然估计
- 研究问题
- 研究高斯线性模型中残差相关且协方差由未知参数决定时，如何进行最大似然拟合并建立估计量的渐近性质。
- 方法与思路
- 作者对残差协方差的参数模型开展最大似然分析，通过模拟评估空间数据中的小样本表现，并讨论格点过程的谱似然近似。
- 材料陈述的贡献
- 摘要称给出保证估计量一致性与渐近正态性的条件，报告相关模拟设计，并讨论谱近似在格点过程中的应用。
- 阅读关注点
- 应核对空间观测的渐近框架、协方差参数的可识别性与正则条件，以及谱近似误差和模拟中的小样本表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；一致性条件、空间采样机制及模拟结果未提供，不能直接推广至非高斯观测。
原文摘要
We describe the maximum likelihood method for fitting the linear model when residuals are correlated and when the covariance among the residuals is determined by a parametric model containing unknown parameters. Observations are assumed to be Gaussian. We give conditions which ensure consistency and asymptotic normality of the estimators. Our main concern is with the analysis of spatial data and in this context we describe some simulation experiments to assess the small sample behaviour of estimators. We also discuss an application of the spectral approximation to the likelihood for processes on a lattice.