Spatial autoregressive fractionally integrated moving average model
空间自回归分数阶积分移动平均模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：研究核心是空间依赖模型，与时间序列模型的联系不足以直接归入所列时间序列方向。
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
空间自回归分数阶积分移动平均模型
- 研究问题
- 如何在空间自回归移动平均模型中引入分数阶积分，使空间依赖的作用范围能够扩展或缩小，并估计相关参数？
- 方法与思路
- 作者提出 sp-ARFIMA 模型，讨论其与时间序列 ARFIMA 及高阶空间自回归的关系，并开展极大似然估计与模拟。
- 材料陈述的贡献
- 摘要称，新增分数阶积分参数可调节空间依赖范围；同时给出估计程序，并以气溶胶光学厚度数据展示应用。
- 阅读关注点
- 应核对空间分数阶算子的定义、空间权重与参数约束、似然构造，以及依赖范围变化的含义和估计表现。
- 阅读边界
- 所据为 arXiv 预印本摘要，同行评审与期刊接收未核实；摘要未给出参数可识别性、似然条件及模拟数值结果。
原文摘要
In this paper, we introduce the concept of fractional integration for spatial autoregressive models. We show that the range of the dependence can be spatially extended or diminished by introducing a further fractional integration parameter to spatial autoregressive moving average models (SARMA). This new model is called the spatial autoregressive fractionally integrated moving average model, briefly sp-ARFIMA. We show the relation to time-series ARFIMA models and also to (higher-order) spatial autoregressive models. Moreover, an estimation procedure based on the maximum-likelihood principle is introduced and analysed in a series of simulation studies. Eventually, the use of the model is illustrated by an empirical example of atmospheric fine particles, so-called aerosol optical thickness, which is important in weather, climate and environmental science.