Nonparametric spatial regression under near-epoch dependence
近历相依条件下的非参数空间回归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：摘要关注空间依赖下的通用非参数回归，未明确网络结构、干扰机制或其他所列细分方向。
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
近历相依条件下的非参数空间回归
- 研究问题
- 对于可能不满足混合条件、位置不均匀且具有异质性的空间数据，局部线性回归估计能否获得一致性和渐近正态性？
- 方法与思路
- 作者在空间近历相依框架中研究局部线性估计，允许异质随机场三角阵、不均匀格点位置及任意形状的采样区域。
- 材料陈述的贡献
- 摘要称，建立了渐近正态性、带收敛速度的一致收敛结果，并覆盖部分通常不满足混合条件的非线性及无限移动平均随机场。
- 阅读关注点
- 应核对近历相依的度量与衰减要求、采样区域扩张方式、带宽条件，以及异质性和不规则位置如何进入极限理论。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体依赖与采样限制或有限样本表现；空间相关性本身也不等同于网络干扰效应。
原文摘要
This paper establishes asymptotic normality and uniform consistency with convergence rates of the local linear estimator for spatial near-epoch dependent (NED) processes. The class of the NED spatial processes covers important spatial processes, including nonlinear autoregressive and infinite moving average random fields, which generally do not satisfy mixing conditions. Apart from accommodating a larger class of dependent processes, the proposed asymptotic theory allows for triangular arrays of heterogeneous random fields located on unevenly spaced lattices and sampled over regions of arbitrary configuration. All these features make the results applicable in a wide range of empirical settings.