A Test of Autoregression in Gaussian Spatial Processes
高斯空间过程的自回归参数检验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：摘要涉及高斯空间过程，但未明确联系网络干扰、面板或所列时间序列细分方向。
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
高斯空间过程的自回归参数检验
- 研究问题
- 在高斯空间过程的条件模型中，如何检验自回归参数，并刻画检验统计量的零假设分布及局部备择下的效率？
- 方法与思路
- 作者利用条件模型的伪似然构造检验统计量，给出精确和近似零假设分布，并考虑局部效率及参数区间估计。
- 材料陈述的贡献
- 摘要称，论文提供一种简单的空间自回归参数检验，同时给出两类零假设分布、局部备择效率分析与区间估计。
- 阅读关注点
- 应核对空间条件模型的具体形式、精确分布的适用条件、近似分布的误差，以及区间估计和局部效率的计算方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明空间结构、参数范围和渐近框架，不能判断复杂空间数据中的适用性。
原文摘要
A simple test is given of the autoregression parameter in Gaussian spatial processes using a conditional model. The test statistic is derived from the pseudolikelihood. Exact and approximate null distributions of the test statistic are given. Its efficiency for the local alternatives has also been considered. An interval estimate of the parameter is also given.