Analysis of binary spatial data by quasi-likelihood estimating equations
用拟似然估计方程分析空间二元数据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：摘要研究空间二元响应，未明确涉及选择行为、网络关系或因果干扰，所列细分方向证据不足。
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
用拟似然估计方程分析空间二元数据
- 研究问题
- 对于具有空间相关性的二元响应，如何利用拟似然估计回归参数，并建立检验两个空间二元结果独立性的渐近依据？
- 方法与思路
- 作者用logistic函数建模边际响应概率，结合Leonov–Shiryaev公式和特征函数比较建立渐近理论，再用变异函数描述空间相关。
- 材料陈述的贡献
- 摘要称推导拟似然估计的一致性与渐近正态性，将其用于独立性检验和Lansing Woods数据，并讨论与广义估计方程的比较。
- 阅读关注点
- 应核对空间相关的具体限制、渐近框架、变异函数的估计方式，以及检验结果独立性与空间观测独立性的区别。
- 阅读边界
- 依据OpenAlex索引摘要，稿件版本未注明；摘要未列出所谓温和相关假设或比较结果，空间相关也不能直接解释为网络干扰。
原文摘要
The goal of this paper is to describe the application of quasi-likelihood estimating equations for spatially correlated binary data. In this paper, a logistic function is used to model the marginal probability of binary responses in terms of parameters of interest. With mild assumptions on the correlations, the Leonov–Shiryaev formula combined with a comparison of characteristic functions can be used to establish asymptotic normality for linear combinations of the binary responses. The consistency and asymptotic normality for quasi-likelihood estimates can then be derived. By modeling spatial correlation with a variogram, we apply these asymptotic results to test independence of two spatially correlated binary outcomes and illustrate the concepts with a well-known example based on data from Lansing Woods. The comparison of generalized estimating equations and the proposed approach is also discussed.