Regression on a Random Field
以随机场为解释变量的回归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：摘要涉及空间随机场与气象回归，使用主成分本身不足以将其归为宏观或金融因子模型。
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
以随机场为解释变量的回归
- 研究问题
- 当解释变量是空间随机函数且在大量位置观测时，如何进行可计算的回归，并从这些观测估计随机场的协方差结构？
- 方法与思路
- 作者通过两阶段修正主成分分析，数值近似随机场的 Karhunen–Loève 展开，再将因变量对所得主成分进行回归。
- 材料陈述的贡献
- 摘要称给出了大规模空间观测下的展开近似方法，并用气象实例说明应用，同时在不假设对称性的情况下估计广义谱和协方差函数。
- 阅读关注点
- 应核对两阶段主成分处理与展开截断的规则、数值近似误差，以及气象实例的观测结构和广义谱估计的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明误差控制或回归表现，气象实例不能直接支持宏观因子模型结论。
原文摘要
The use of observations of a random function in space (random field) as independent variables in regression is considered including the numerical aspects. Details are presented for obtaining a numerical approximation to a Karhunen-Loève expansion when the random function is observed at a large number of points. The procedure involves a two stage modified principal component analysis. The dependent variable is then regressed on the principal components. An example from meteorology is presented. The random field is the 700 mb height surface observed at 505 points over the northern hemisphere. The dependent variable is the temperature at Washington, D. C. A by-product of the analysis is an estimate of the generalized spectrum and covariance function of the random field without assuming symmetry.