On conditional and intrinsic autoregressions
论条件自回归与内蕴自回归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：摘要聚焦空间随机场与图像分析，未给出经济网络、面板或时间序列细分的直接依据。
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
论条件自回归与内蕴自回归
- 研究问题
- 空间统计中的高斯条件自回归及其内蕴极限形式，为何在小型阵列或非格点应用中产生不理想的二阶特征，如何缓解？
- 方法与思路
- 作者讨论两类模型的马尔可夫解释与二阶性质，并使用Dempster算法或其适当修改，部分结合地统计与高斯马尔可夫随机场表述。
- 材料陈述的贡献
- 摘要指出，不正规内蕴模型可能具有估计或不变性方面的优势，同时说明两类模型的二阶性质问题及相应缓解方法。
- 阅读关注点
- 应核对内蕴分布不正规的含义、变量及其对比量的二阶性质，以及算法修改如何影响模型有效性、参数估计和空间解释。
- 阅读边界
- 所给OpenAlex索引摘要未注明稿件版本；算法修改、适用条件及问题缓解程度未说明，空间自回归也不应据题名理解为时间序列。
原文摘要
Gaussian conditional autoregressions have been widely used in spatial statistics and Bayesian image analysis, where they are intended to describe interactions between random variables at fixed sites in Euclidean space. The main appeal of these distributions is in the Markovian interpretation of their full conditionals. Intrinsic autoregressions are limiting forms that retain the Markov property. Despite being improper, they can have advantages over the standard autoregressions, both conceptually and in practice. For example, they often avoid difficulties in parameter estimation, without apparent loss, or exhibit appealing invariances, as in texture analysis. However, on small arrays and in nonlattice applications, both forms of autoregression can lead to undesirable second-order characteristics, either in the variables themselves or in contrasts among them. This paper discusses standard and intrinsic autoregressions and describes how the problems that arise can be alleviated using Dempster's (1972) algorithm or an appropriate modification. The approach represents a partial synthesis of standard geostatistical and Gaussian Markov random field formulations. Some nonspatial applications are also mentioned.