On Semiparametric Inference of Geostatistical Models via Local Karhunen–Loève Expansion
通过局部 Karhunen–Loève 展开进行地统计模型的半参数推断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：摘要讨论空间协方差与地统计推断，未涉及网络干扰、面板结构或所列其他领域的直接问题。
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
通过局部 Karhunen–Loève 展开进行地统计模型的半参数推断
- 研究问题
- 在含加性分量的地统计模型中，如何不预设空间随机误差协方差函数的具体形式，同时开展参数估计与统计推断？
- 方法与思路
- 作者发展局部 Karhunen–Loève 展开，结合似然方法估计模型参数，并分析估计量的理论性质及有限样本表现。
- 材料陈述的贡献
- 摘要称，该方法提供灵活的空间协方差建模框架，建立估计一致性结果，并用模拟和真实数据例子进行展示。
- 阅读关注点
- 应核对局部展开的构造与截断选择、协方差估计的约束，以及空间采样框架和一致性结果的具体条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；空间渐近框架、识别条件及数值结果未说明，不能将空间相关直接解释为网络干扰。
原文摘要
Summary We develop a semiparametric approach to geostatistical modelling and inference. In particular, we consider a geostatistical model with additive components, where the form of the covariance function of the spatial random error is not prespecified and thus is flexible. A novel, local Karhunen–Loève expansion is developed and a likelihood-based method is devised for estimating the model parameters and statistical inference. A simulation study demonstrates sound finite sample properties and a real data example is given for illustration. Finally, the theoretical properties of the estimates are explored and, in particular, consistency results are established.