A test of autoregression in Gaussian spatial processes
高斯空间过程自回归参数的检验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：摘要仅明确高斯空间过程与空间自回归，未提供网络干扰或时间序列方向的直接依据。
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
高斯空间过程自回归参数的检验
- 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，获得检验统计量的零分布，并考察局部备择下的效率？
- 方法与思路
- 作者从条件模型的伪似然推导检验统计量，给出精确和近似零分布，并考察局部备择效率及参数的区间估计。
- 材料陈述的贡献
- 摘要称，文章提供一个简单的空间自回归参数检验，同时讨论分布校准、局部效率和区间估计，未陈述普遍优势。
- 阅读关注点
- 应核对空间条件模型的相容性、参数取值范围、精确与近似分布各自的条件，以及局部备择和区间构造的定义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明空间布局、边界处理或近似精度，不能将空间自回归直接解释为网络干扰或时间序列。
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.