Variance of the Sample Space-Time Autocorrelation Function
样本时空自相关函数的方差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：摘要直接讨论时空 ARMA 模型、序列自相关及残差诊断，属于时间序列方法。
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
样本时空自相关函数的方差
- 研究问题
- 在时空自回归移动平均模型的诊断中，如何衡量样本时空自相关的抽样波动，以检验残差的时间独立性？
- 方法与思路
- 作者在基础过程为白噪声的情形下推导样本时空自相关函数的近似方差，用于三阶段建模程序中的自相关显著性检验。
- 材料陈述的贡献
- 摘要称给出白噪声情形下样本时空自相关的近似方差，为判断观测到的自相关是否显著提供所需的方差依据。
- 阅读关注点
- 应核对时空自相关及空间权重的定义、白噪声条件、方差近似的适用范围，以及拟合残差是否需要额外修正。
- 阅读边界
- 仅据 Crossref 摘要；近似方差公式、白噪声条件及残差估计影响未说明，不能据此构造完整检验或判断有限样本精度。
原文摘要
Summary An important part of the diagnostic checking of space-time autoregressive moving average (starma) models is testing the temporal independence of the residuals. In the context of the three-stage modelling procedure, such a test is based on the sample space-time autocorrelation function. This paper developes approximate variances of the sample space-time autocorrelation function when the underlying process is white noise, which are needed to test significance of the observed autocorrelations.