A combined estimating function approach for fitting stationary point process models
拟合平稳点过程模型的组合估计函数方法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：摘要研究空间点过程估计，未提供与所列计量领域细分直接对应的证据。
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
拟合平稳点过程模型的组合估计函数方法
- 研究问题
- 成对复合似然虽然便于计算，但可能损失估计效率；研究关注如何利用成对贡献之间的相关性，改善空间点过程参数估计。
- 方法与思路
- 作者将成对复合似然导出的估计函数，与反映成对贡献相关性的估计函数结合，并通过模拟和长叶松数据应用考察表现。
- 材料陈述的贡献
- 摘要称，该方法适用于多种参数化空间点过程模型，并可能提高聚集参数的估计效率；其改善幅度和适用条件未说明。
- 阅读关注点
- 应核对两类估计函数的构造与组合方式、相关性的估计成本，以及效率比较针对哪些参数、模型和模拟情形。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；摘要未给出效率改善的条件、幅度或证明，不能推断其他版本的变化。
原文摘要
A composite likelihood technique based on pairwise contributions provides a computationally simple but potentially inefficient approach for fitting spatial point process models. We propose a new estimation procedure that improves the efficiency. Our approach combines estimating functions derived from pairwise composite likelihood estimation and estimating functions that account for correlations among the pairwise contributions. Our method can be used to fit a variety of parametric spatial point process models and can yield more efficient estimators for the clustering parameters than pairwise composite likelihood estimation. We demonstrate the efficacy of our proposed method through a simulation study and an application to the longleaf pine data.