Regression Models with Spatially Correlated Errors
具有空间相关误差的回归模型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：摘要研究二维空间误差相关，没有明确网络或干扰模型；空间ARMA也不等同于时间序列研究。
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
具有空间相关误差的回归模型
- 研究问题
- 研究二维空间回归误差服从单侧一阶空间ARMA模型时，如何计算回归参数估计，并估计误差的空间相关参数。
- 方法与思路
- 作者给出广义最小二乘的便捷计算，讨论空间参数的限制极大似然估计，并在一阶空间AR特例中提供更多计算细节。
- 材料陈述的贡献
- 摘要称在若干特殊情形比较了广义与普通最小二乘，并讨论限制极大似然可能更受偏好的情形，以数值实例展示方法。
- 阅读关注点
- 应核对单侧空间依赖的定义与边界处理、协方差矩阵的计算，以及估计空间参数后广义最小二乘的推断和比较条件。
- 阅读边界
- 材料为OpenAlex索引摘要，稿件版本未注明；摘要未给出空间模型完整条件或比较结果，不能推断一般空间依赖下的优势或刊本变化。
原文摘要
In this article we consider regression models for two-dimensional spatial data when the errors follow a spatial unilateral first-order autoregressive moving average (ARMA) model studied by Basu and Reinsel. We give details on the convenient computation of the generalized least squares (GLS) estimator of the regression parameters in the presence of spatially correlated errors, and compare the GLS estimator to the ordinary least squares (OLS) estimator in some special cases. We also consider the restricted maximum likelihood estimators of the spatial correlation model parameters, which may be preferred over the maximum likelihood estimators. For the special case of the spatial unilateral first-order AR model, details of the maximum likelihood as well as the restricted maximum likelihood estimation are given. A numerical example is presented to illustrate the methods.