Nonparametric Estimation of the Moments of a General Statistic Computed from Spatial Data
空间数据一般统计量矩的非参数估计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：摘要研究格点空间数据的一般统计量矩估计，空间依赖并未明确建模为网络或干扰，因此不足以归入所列细分方向。
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
空间数据一般统计量矩的非参数估计
- 研究问题
- 仅有一组空间格点观测且未知依赖机制时，如何估计一般统计量的方差、偏度等矩，并允许观测区域形状不规则？
- 方法与思路
- 作者在观测区域的较小子集上重复计算统计量，以这些子区域结果构造矩的非参数估计，无需显式指定空间依赖机制。
- 材料陈述的贡献
- 摘要称在统计量条件与空间混合条件下，估计量一致且渐近正态，并以美国癌症死亡地理聚集分析展示应用。
- 阅读关注点
- 应核对子区域的构造、大小及增长规则、目标矩的尺度处理，以及空间混合条件和一般统计量的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；无需指定依赖机制不等于无需依赖条件，摘要未列出混合条件或数值结果。
原文摘要
A statistic s(·) is computed on spatially indexed data {X i : i ∈ D}, where D is a finite subset of the integer lattice Z2. We propose a simple nonparametric method for estimating the moments (e.g., variance, skewness) of s(D), using only the observed data at hand. The method uses “replicates” of s(·) computed on smaller subsets of D. No explicit knowledge of the underlying spatial dependence mechanism is needed, and the marginal distribution of X i may also be unknown. The shape of D can be quite irregular, and s(·) is allowed to be a general statistic. The proposed estimator is shown to be consistent and asymptotically normal (under mild conditions on s(D) and “mixing” conditions on the strength of spatial dependence). As a numerical example, the estimator is used in assessing the geographic clumping of cancer deaths in the United States.