在空间回归分析中，固定效应和随机效应之间的混杂可能导致回归系数的估计出现偏差。本文提出了一种新的估计方法，利用固定秩克里金（fixed rank kriging）方法来减轻这些偏差。该方法的一个关键优势在于，它无需对响应变量的协方差结构做出参数假设，从而提高了实际应用的适用性。估计过程涉及选择合适数量的基函数，以平衡估计量中的偏差和方差。为了最小化估计量的均方误差，研究引入了两种方法：自助聚合估计量（bootstrap aggregation estimator）和γ- 估计量（γ-estimator）。研究探讨并论证了所提方法的理论性质。在各种空间回归设置下（包括空间混杂的情况，以及平稳、非平稳、各向同性和各向异性等不同的相关结构）进行的大量模拟研究，证明了所提方法的稳健性。最后，该方法被应用于科罗拉多州降水数据的案例研究，突出了其实际有效性。

打赏

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》