高斯空间过程的复合似然估计效率研究

IF 1.5 3区数学 Q2 STATISTICS & PROBABILITY

Statistica Sinica Pub Date : 2024-01-01 DOI:10.5705/ss.202020.0311

N. Chua, Francis K. C. Hui, A. Welsh

引用次数: 0

摘要

最大复合似然估计是标准最大似然估计的一种有吸引力且常用的替代方法，标准最大似然估计通常涉及牺牲统计效率以提高计算效率。这种统计效率可以通过评估最大复合似然估计量的三明治信息矩阵来量化，然后将其与最大似然估计量的类似Fisher信息矩阵进行比较。本文导出了一维指数协方差高斯过程的各种极大复合似然估计的渐近相对效率的新的封闭表达式。这些表达式基于一种抽样方案，该方案允许在三种常见的空间渐近框架下进行分析:扩展域、填充和混合。我们的结果证明了复合似然的选择如何影响估计的效率和一致性，特别是对于填充和混合框架。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

查看原文本刊更多论文

On the Efficiency of Composite Likelihood Estimation for Gaussian Spatial Processes

the Efficiency of Composite Likelihood

求助全文

通过发布文献求助，成功后即可免费获取论文全文。去求助

来源期刊

Statistica Sinica 数学-统计学与概率论

CiteScore

2.10

自引率

0.00%

发文量

审稿时长

10.5 months

期刊介绍： Statistica Sinica aims to meet the needs of statisticians in a rapidly changing world. It provides a forum for the publication of innovative work of high quality in all areas of statistics, including theory, methodology and applications. The journal encourages the development and principled use of statistical methodology that is relevant for society, science and technology.