.png){kind=icon}
返回
JOINT MEAN-ANGLE MODEL FOR SPATIAL BINARY DATA
.png){kind=icon}
PRE
AI
DOI：10.5705/ss.202023.0237.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
空间相关二元数据的分析在地理统计研究中受到了广泛关注，但由于分布形式的复杂性而极具挑战性。两个主要目标包括检验二元响应与感兴趣协变量的依赖关系，以及量化成对结果之间的协方差或相关性。尽管文献已充分解决了二元响应均值结构的建模问题，但关于成对二元响应协变量特征的协方差刻画尚不明确。本文提出使用具有替代超球面分解的协方差矩阵的潜在高斯copula模型，来解释此类特征。正确指定协方差矩阵不仅对提高均值参数的效率至关重要，也具有科学意义。关键在于同时为空间二元数据建模边际均值和成对协方差。我们提出了两种广义估计方程来估计参数，并研究了所得估计量的渐近性质。为评估方法性能，我们进行了模拟研究，并提供了实际数据分析以进行说明。
Keyword:
Alternative hypersphere decomposition
generalized esti-mating equation
joint mean-angle model
latent Gaussian copula model
