Regression on a Random Field
以随机场作为解释变量的回归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：摘要中的随机场和主成分用于气象空间数据回归，未提供宏观因子、经济预测或网络干扰方向的直接依据。
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
以随机场作为解释变量的回归
- 研究问题
- 如何将空间随机函数的大量观测用于回归，并在计算上近似其 Karhunen–Loève 展开和相关结构？
- 方法与思路
- 作者采用两阶段修正主成分分析近似随机场展开，再将因变量对主成分回归，并提供气象数据示例。
- 材料陈述的贡献
- 摘要称，该程序可处理大量空间观测点，并附带估计随机场的广义谱和协方差函数，而不预先假设对称性。
- 阅读关注点
- 应核对两阶段主成分程序、展开截断与数值误差，以及气象示例中的回归评估和协方差估计所需条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；精度、推断与样本外表现未说明，也不能把气象主成分应用直接视为宏观因子模型。
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.