Parameter estimates for fractional autoregressive spatial processes
分数自回归空间过程的参数估计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：摘要研究空间长记忆过程，而所列时间序列细分未明确覆盖空间过程，故不作牵强归类。
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…
分数自回归空间过程的参数估计
- 研究问题
- 如何在平稳高斯空间过程中刻画长记忆，并构造模型参数的一致估计量，尤其确定两个方向长记忆参数的估计误差阶？
- 方法与思路
- 作者在平稳高斯过程中引入二项式类型算子以建立空间长记忆模型，并分析参数估计量的一致性及长记忆参数的概率误差阶。
- 材料陈述的贡献
- 摘要称模型参数可被一致估计，并明确给出二维长记忆参数估计误差随样本规模变化、包含对数因子的概率阶结果。
- 阅读关注点
- 应核对空间采样区域与样本规模的定义、二项式算子的构造、参数范围，以及所报误差阶适用的范数和渐近采样方式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；估计方法、采样布局及证明条件未说明，所报误差阶不能直接用于一般空间数据。
原文摘要
A binomial-type operator on a stationary Gaussian process is introduced in order to model long memory in the spatial context. Consistent estimators of model parameters are demonstrated. In particular, it is shown that $\hat{d}_{N}-d=O_{P}(\frac{(\operatorname{Log}N)^{3}}{N})$, where d=(d1,d2) denotes the long memory parameter.