Moments of the sampled space-time autocovariance and autocorrelation function
样本时空自协方差与自相关函数的矩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：摘要明确分析时空自回归移动平均过程及自相关统计量，直接属于时间序列方法。
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
样本时空自协方差与自相关函数的矩
- 研究问题
- 在一般时空自回归移动平均过程中，样本自协方差与自相关的均值和方差如何刻画，并用于判断观测相关性的显著性？
- 方法与思路
- 这篇短文将摘要提及的白噪声时空过程矩表达式推广到一般时空自回归移动平均过程，为给定假设过程下的相关性检验提供依据。
- 材料陈述的贡献
- 摘要称，原有白噪声情形的均值和方差结果可以扩展到一般时空过程，并可用于检验观测时空自相关在指定模型下的显著性。
- 阅读关注点
- 应核对时空模型和采样布局、边界处理及矩表达式的精确性，并检查由这些矩进行显著性判断时是否需要额外分布近似。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出公式、适用条件或检验校准步骤，不能推断所有时空相关结构均被覆盖。
原文摘要
Pfeifer & Deutsch (1981) have derived expressions for the means and variances of the sampled autocovariances and autocorrelations, in the case of a white-noise space-time process. This note shows how their work can be extended to general space-time autoregressive moving average processes. The results are useful for testing the significance of observed space-time autocorrelations, given a hypothesized space-time process.