托比亚斯·迈克尔·埃哈特;克劳迪娅·查多;谢普斯迈尔，乌尔夫 使用局部C-藤进行空间复合似然推断。 （英语） Zbl 1328.62324号 《多元分析杂志》。 138, 74-88 (2015). 摘要：我们提出了一种基于藤蔓连接词的复合似然方法来建模空间相关性，该方法允许在任意位置进行预测。它结合了已建立的方法来建模（空间）依赖关系。一方面，利用变量位置之间的空间差异来模拟空间依赖程度。另一方面，使用C-vine连接函数的柔性类对空间依赖结构进行局部建模。这些局部C-vine连接函数被联合参数化，利用连接函数参数与相应的空间距离和高程差之间的关系，并以复合似然方法进行组合。这种空间局部C-vine复合似然（S-LCVCL）方法得益于它能够捕获非高斯依赖结构。使用德国73个观测站观测到的日平均温度数据集，说明了新方法的开发和验证。为了进行验证，使用了连续排列的概率分数。与另一种基于vine copula的方法和空间依赖建模的高斯方法的比较表明，人们更喜欢基于vine copula的（空间）依赖结构。 引用于7文件 MSC公司： 62H11型 定向数据；空间统计学 关键词：日平均温度;局部依赖建模;非高斯相关性;空间R-vine模型;空间统计学;葡萄交配 软件：葡萄香;谷胱甘肽转移酶;Gstat公司;R（右）;CDV乙烯 PDF格式BibTeX公司 XML格式引用 \textit{T.M.Erhardt}等人，《多元分析杂志》。138，74-88（2015年；兹bl 1328.62324） 全文： 内政部 arXiv公司 参考文献： [1] Aas，K。；Czado，C。；弗里吉斯，A。；Bakken，H.，多重依赖的对copula构造，保险数学。经济。，44, 2, 182-198 (2009) ·Zbl 1165.60009号 [2] 贝德福德，T。；Cooke，R.M.，用藤蔓建模的条件相关随机变量的概率密度分解，Ann.Math。Artif公司。智力。，32, 245-268 (2001) ·Zbl 1314.62040号 [3] 贝德福德，T。；Cooke，R.M.，《因随机变量的新图形模型》，Ann.Statist。，30, 4, 1031-1068 (2002) ·Zbl 1101.62339号 [4] Brechmann，E.C。；Schepsmeier，U.，用C-和D-vine连接函数建模依赖性：R包CDVine，J.Stat.Softw。，52、3、1-27（2013），网址：http://www.jstatsoft.org/v52/i03/ [5] Caragea，P.C。；Smith，R.L.，一类多元正态模型计算有效替代估计的渐近性质，《多元分析》。，98, 7, 1417-1440 (2007) ·Zbl 1116.62101号 [6] Czado，C。；谢普斯迈尔，美国。；Min，A.，混合C-藤的最大似然估计及其在汇率中的应用，统计模型。，12, 3, 229-255 (2012) ·兹比尔07257878 [7] 艾兹维克，J。；沙比，B.A。；Reich，B.J。；惠勒，M。；Niemi，J.，具有块复合可能性的空间模型中的估计和预测，J.计算。图表。统计人员。，23, 2, 295-315 (2014) [8] Erhardt，T.M。；Czado，C。；Schepsmeier，U.，《应用于日平均温度的空间时间序列R-vine模型》，生物统计学（2015）·兹比尔1390.62326 [9] Genest，C。；Ghoudi，K。；Rivest，L.-P.，多元分布族中依赖参数的半参数估计程序，Biometrika，82，3，543-552（1995）·Zbl 0831.62030号 [10] Gneiting，T。；Raftery，A.E.，《严格正确的评分规则、预测和估计》，J.Amer。统计师。协会，102，477，359-378（2007）·Zbl 1284.62093号 [11] Gräler，B.，通过空间藤蔓系谱建模倾斜的空间随机场，斯帕特。统计，10，87-102（2014） [12] Hjort，N.L。；Omre，H。；弗里森，M。；Godtliebsen，F。；Helgeland，J。；默勒，J。；Jensen，E.B.V。；Rudemo，M。；Stryhn，H.，《空间统计专题》，Scand。J.统计。，21，4，289-357（1994），[附讨论、评论和反驳]·Zbl 0816.62075号 [14] Joe，H.，具有给定边距和（m（m-1）/2）二元依赖参数的（m）-变量分布族，（Rüschendorf，L.；Schweizer，B.；Taylor，m.D.，《带固定边距的分布及相关主题》，《带定边距的分布及其相关主题》（distributions with Fixed Marginals and Related Topics），讲义-专题丛书，第28卷（1996），数学统计研究所），120-141 [15] Joe，H.，（多元模型和依赖概念。多元模型和依存概念，统计学和应用概率专著，第73卷（1997），Chapman&Hall/CRC）·Zbl 0990.62517号 [16] Joe，H。；Xu，J.J.，多元模型边际推理函数的估计方法。技术报告166（1996），不列颠哥伦比亚大学统计系 [17] Pebesma，E.J.，《S中的多变量地质统计学：gstat包》，计算。地质科学。，30, 683-691 (2004) [18] R： A Language and Environment for Statistical Computing（2014），R Foundation for Statistic Computing：R Foundation for Statistical Competing奥地利维也纳，网址：网址：http://www.R-project.org/ [19] Šaltyt-Benth，J。；Benth，F.E.公司。；Jalinskas，P.，《温度随季节变化的时空模型》，J.Appl。Stat.，34，7，823-841（2007）·Zbl 1516.62146号 [21] Sklar，A.，《维数和leures marges的划分函数》（巴黎大学统计研究所出版物，第8卷（1959年），亨利·蓬卡研究所），229-231·Zbl 0100.14202号 [22] 斯坦因，M.L。；Chi，Z。；Welty，L.J.，大型空间数据集的近似可能性，J.Roy。统计师。Soc.序列号。B、 66、2、275-296（2004）·Zbl 1062.62094号 [23] Stöber，J.公司。；Czado，C.，对连接词构造，（Mai，J.-F.；Scherer，M.，《模拟连接词：随机模型、抽样算法和应用》，《模拟连词：随机模式、抽样算法与应用》，定量金融丛书，第4卷（2012），帝国理工学院出版社），185-230·Zbl 1301.65001号 [24] 瓦林，C。；N.里德。；Firth，D.，《复合似然法概述》，Statist。Sinica，21，1，5-42（2011年）·Zbl 05849508号 [25] Vecchia，A.V.，《连续空间过程的估计和模型识别》，J.Roy。统计师。Soc.序列号。B、 50,2297-312（1988） [26] Zhao，Y。；Joe，H.，多元数据分析中的复合似然估计，加拿大。J.统计。，33, 3, 335-356 (2005) ·Zbl 1077.62045号 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。