Factor Copula Models for Replicated Spatial Data
用于重复观测空间数据的因子 Copula 模型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：摘要中的因子与尾部依赖用于空间温度数据，不能据此归入宏观因子或金融风险领域。
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…
用于重复观测空间数据的因子 Copula 模型
- 研究问题
- 对于重复观测的空间数据，如何构建既能表达共同依赖因素，又能容纳尾部依赖及尾部不对称性的联合模型？
- 方法与思路
- 作者以共同因子构造 Copula，并用协方差函数参数化；部分因子选择给出闭式密度，一般情形采用一维积分计算似然。
- 材料陈述的贡献
- 摘要称，该模型能生成多种空间依赖及尾部结构，似然估计具有计算便利，并以模拟和空间温度数据展示应用。
- 阅读关注点
- 核对共同因子的分布设定、重复观测的作用、尾部依赖性质，以及闭式密度与数值积分分别适用的模型范围。
- 阅读边界
- 摘要未说明重复间依赖、参数识别及计算误差，不能推及金融尾部风险；OpenAlex 摘要版本未注明，无法核实刊本变化。
原文摘要
We propose a new copula model that can be used with replicated spatial data. Unlike the multivariate normal copula, the proposed copula is based on the assumption that a common factor exists and affects the joint dependence of all measurements of the process. Moreover, the proposed copula can model tail dependence and tail asymmetry. The model is parameterized in terms of a covariance function that may be chosen from the many models proposed in the literature, such as the Matérn model. For some choice of common factors, the joint copula density is given in closed form and therefore likelihood estimation is very fast. In the general case, one-dimensional numerical integration is needed to calculate the likelihood, but estimation is still reasonably fast even with large datasets. We use simulation studies to show the wide range of dependence structures that can be generated by the proposed model with different choices of common factors. We apply the proposed model to spatial temperature data and compare its performance with some popular geostatistics models. Supplementary materials for this article are available online.