Continuous Time Modelling of Dynamical Spatial Lattice Data Observed at Sparsely Distributed Times
稀疏时点观测的动态空间格点数据连续时间建模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：摘要研究空间格点点过程，未明确涉及经济网络干扰、宏观时间序列或所列其他计量应用。
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…
稀疏时点观测的动态空间格点数据连续时间建模
- 研究问题
- 对于仅在稀疏时点观测、且格点之间存在空间相互作用的动态数据，连续时间建模如何支持贝叶斯推断？
- 方法与思路
- 作者以格点索引的多元点过程建立时空模型，研究基于模拟的贝叶斯推断，并与含未知归一化常数的离散时间模型讨论比较。
- 材料陈述的贡献
- 摘要称，论文分析该推断的统计与计算问题，并结合一个既有数据集讨论连续时间和离散时间过程各自的优缺点。
- 阅读关注点
- 应核对稀疏观测下的过程信息、潜在路径模拟、空间作用形式，以及连续与离散时间方案的比较依据。
- 阅读边界
- 依据所给 Crossref 摘要；具体点过程、计算算法和比较结果未说明，不能据此判定连续时间方法普遍更优。
原文摘要
Summary We consider statistical and computational aspects of simulation-based Bayesian inference for a spatial–temporal model based on a multivariate point process which is only observed at sparsely distributed times. The point processes are indexed by the sites of a spatial lattice, and they exhibit spatial interaction. For specificity we consider a particular dynamical spatial lattice data set which has previously been analysed by a discrete time model involving unknown normalizing constants. We discuss the advantages and disadvantages of using continuous time processes compared with discrete time processes in the setting of the present paper as well as other spatial–temporal situations.