Correlation testing in time series, spatial and cross-sectional data
时间序列、空间与截面数据的相关性检验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：摘要明确将时间序列相关性及不规则时间间隔列为研究对象，因此选时间序列方向；空间和截面部分没有对应的细分键。
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
时间序列、空间与截面数据的相关性检验
- 研究问题
- 面对规则或不规则时间间隔、空间及截面数据，如何构造计算简便的相关性检验，并处理复杂相关结构与非参数异方差？
- 方法与思路
- 作者提出一类通用相关性检验，在特定参数偏离下化为拉格朗日乘子检验，并将最初基于同方差的分析扩展为异方差稳健检验。
- 材料陈述的贡献
- 摘要称方法适用于多种数据结构，具有较简单的计算形式，给出若干相关模型下的具体形式，并提供非参数异方差稳健化。
- 阅读关注点
- 应核对不同采样和空间结构下的检验条件，参数偏离与统计量的对应关系，以及异方差稳健化如何影响极限分布和实施步骤。
- 阅读边界
- 仅据所给出版社摘要，不能判断方法是否覆盖任意空间依赖或不规则采样；摘要未说明具体功效、有限样本表现和应用结果。
原文摘要
We provide a general class of tests for correlation in time series, spatial, spatio-temporal and cross-sectional data. We motivate our focus by reviewing how computational and theoretical difficulties of point estimation mount, as one moves from regularly-spaced time series data, through forms of irregular spacing, and to spatial data of various kinds. A broad class of computationally simple tests is justified. These specialize to Lagrange multiplier tests against parametric departures of various kinds. Their forms are illustrated in case of several models for describing correlation in various kinds of data. The initial focus assumes homoscedasticity, but we also robustify the tests to nonparametric heteroscedasticity.