Fixed-domain asymptotic properties of tapered maximum likelihood estimators
协方差截尾极大似然估计量的固定域渐近性质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：摘要研究空间协方差模型及固定域渐近理论，未涉及所列面板、网络、时间序列或金融领域的明确问题。
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
协方差截尾极大似然估计量的固定域渐近性质
- 研究问题
- 在有界区域内沿直线采集大量空间数据时，协方差截尾如何影响 Matérn 模型微遍历参数的极大似然估计效率？
- 方法与思路
- 作者在固定域渐近框架中，分别建立精确极大似然估计与协方差截尾估计的渐近分布，据此分析截尾造成的效率变化。
- 材料陈述的贡献
- 摘要称在截尾函数满足某些条件时，截尾极大似然估计对 Matérn 模型微遍历参数的渐近效率与精确估计相同。
- 阅读关注点
- 应核对微遍历参数的定义、沿直线采样的限制和截尾函数条件，区分固定域渐近效率与有限样本计算表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；截尾条件及渐近分布细节未说明，不能据此推广到一般空间维度或全部参数。
原文摘要
When the spatial sample size is extremely large, which occurs in many environmental and ecological studies, operations on the large covariance matrix are a numerical challenge. Covariance tapering is a technique to alleviate the numerical challenges. Under the assumption that data are collected along a line in a bounded region, we investigate how the tapering affects the asymptotic efficiency of the maximum likelihood estimator (MLE) for the microergodic parameter in the Matérn covariance function by establishing the fixed-domain asymptotic distribution of the exact MLE and that of the tapered MLE. Our results imply that, under some conditions on the taper, the tapered MLE is asymptotically as efficient as the true MLE for the microergodic parameter in the Matérn model.