Consistent Infill Estimability of the Regression Slope Between Gaussian Random Fields Under Spatial Confounding
空间混杂下高斯随机场间回归斜率的相合填充可估计性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：摘要讨论空间随机场回归与空间混杂下的可估计性，属于空间统计与渐近理论，未涉及所给微观、宏观或金融领域细分，故不选择任何领域。
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
空间混杂下高斯随机场间回归斜率的相合填充可估计性
- 研究问题
- 摘要称，在未测空间过程造成混杂的情形下，两个空间过程之间回归斜率参数何时可相合估计，此前文献多停留在经验性或依赖具体估计量的层面，缺乏一般性刻画。
- 方法与思路
- 作者在高斯随机场框架下采用固定域（填充）渐近，用暴露与混杂过程的光滑性或局部行为给出可相合估计的充分条件，并用局部差分或适当阶拉普拉斯构造相合估计量；借助 Paley-Wiener 空间泛函分析给出基于谱尾衰减相对速度的必要条件。
- 材料陈述的贡献
- 摘要称给出了斜率相合可估计性的充分条件与易验证的必要条件，并在 Matérn、幂指数、广义 Cauchy 与共区域化等协方差族中证明两者一致，从而得到这些过程的精确刻画；副产品是多元高斯随机场路径测度等价性的新谱条件，并将结果推广到多元斜率、测量误差、非平稳与非高斯随机场及不规则设计。
- 阅读关注点
- 应核对充分与必要条件各自的假设（光滑性、谱尾衰减、填充渐近的具体设定）、局部差分阶数的选取规则、估计量相合性的证明结构，以及推广情形下条件是否被削弱或需额外限制。
- 阅读边界
- 仅依据摘要，无法判断证明细节、条件必要性、模拟或实证表现，也未说明有限样本性质；该文为 arXiv 预印本，未经同行评审验证，不能据此声称已被期刊接收。
原文摘要
The problem of estimating the slope parameter in regression between two spatial processes under confounding by an unmeasured spatial process has received widespread attention in the recent statistical literature. Yet, a fundamental question remains unresolved: when is this slope consistently estimable under spatial confounding, with existing insights being largely empirical or estimator-specific. We characterize conditions for consistent estimability of the regression slope between Gaussian random fields (GRFs), the common stochastic model for spatial processes, under spatial confounding. Under fixed-domain (infill) asymptotics, we give sufficient conditions for consistent estimability in terms of the smoothness or local behavior of the exposure and confounder processes. When estimability holds, we provide consistent estimators of the slope using local differencing (taking discrete differences or Laplacians of the processes of suitable order). Using functional analysis results on Paley-Wiener spaces, we then provide an easy-to-verify necessary condition for consistent estimability of the slope in terms of the relative spectral tail decays of the confounder and exposure. As a by-product, we establish a novel and general spectral condition on the equivalence of measures on the paths of multivariate GRFs with component fields of varying smoothnesses. We show that for many covariance classes like the Matérn, power-exponential, generalized Cauchy, and coregionalization families, the necessary and sufficient conditions become identical, thereby providing a sharp characterization of consistent estimability of the slope for these processes. The results are extended to multivariate slopes, to accommodate measurement error, to popular classes of non-stationary Gaussian random fields and some non-Gaussian random fields, and for irregular designs.