Goodness of fit for lattice processes
格点过程的拟合优度检验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：摘要研究多维格点过程的通用设定检验，未明确涉及网络干扰或其他所列经济应用对象，因此不作细分归类。
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
格点过程的拟合优度检验
- 研究问题
- 当数据观测在多维格点上时，如何检验模型设定是否正确，并解决极限分布涉及高斯片过程而临界值难以计算的问题？
- 方法与思路
- 作者将实线观测数据的设定检验推广至多维格点，分析高斯片泛函形式的极限分布，并采用 bootstrap 实现检验。
- 材料陈述的贡献
- 摘要称，文章针对难以通过时间变换获得标准布朗片的实施障碍提出 bootstrap 方法，并证明其在所研究情境下有效。
- 阅读关注点
- 应核对格点过程的依赖条件、检验统计量及其极限过程的定义，以及 bootstrap 重抽样方案和有效性证明范围。
- 阅读边界
- 仅据所给出版社摘要，无法判断允许的空间依赖结构、抽样区域增长方式或有限样本表现；部分公式在摘要转录中缺失。
原文摘要
The paper discusses tests for the correct specification of a model when data is observed in a d-dimensional lattice, extending previous work when the data is collected in the real line. As it happens with the latter type of data, the asymptotic distributions of the tests are functionals of a Gaussian sheet process, say , [nu][set membership, variant][0,[pi]]d. Since it is not easy to find a time transformation h([nu]) such that becomes the standard Brownian sheet, a consequence is that the critical values are difficult, if at all possible, to obtain. So, to overcome the problem of its implementation, we propose employing a bootstrap approach, showing its validity in our context.