[论文解读] The Numerical Generalized Least-Squares Estimator of an Unknown Constant Mean of Random Field

Tomasz Suslo|arXiv (Cornell University)|Nov 15, 2011

Soil Geostatistics and Mapping参考文献 1被引用 3

一句话总结

本文提出了一种用于随机场未知常数均值的数值广义最小二乘估计器，通过求解一个有限样本克里金系统推导得出，该系统强制执行无偏性、方差最小化以及新定义的第三约束——有限 j 下的空间一致性。关键贡献在于表明，经典广义最小二乘估计器仅是该数值稳定、有限样本估计器的渐近极限，后者更能反映现实世界数据的约束条件。

ABSTRACT

We constraint on computer the best linear unbiased generalized statistics of random field for the best linear unbiased generalized statistics of an unknown constant mean of random field and derive the numerical generalized least-squares estimator of an unknown constant mean of random field. We derive the third constraint of spatial statistics and show that the classic generalized least-squares estimator of an unknown constant mean of the field is only an asymptotic disjunction of the numerical one.

研究动机与目标

• 开发一种数值稳定、有限样本的随机场常数均值估计器，避免依赖渐近近似。
• 解决经典广义最小二乘（GLS）估计器的局限性，后者假设样本量无限，可能无法准确反映有限样本下的行为。
• 引入并形式化空间统计中的第三约束——有限 j 下的空间一致性，确保估计器在实际数据规模下保持有效性和一致性。
• 证明经典GLS估计器并非真实有限样本解的直接近似，而仅是数值估计器的渐近分离形式。
• 提供一种计算上可行的方法，利用具有已知相关结构的观测数据来估计随机场的均值。

提出的方法

• 通过强制执行无偏性和方差最小化的克里金方程组，推导出具有未知常数均值 m 的随机场的最佳线性无偏广义估计器（BLU）。
• 应用拉格朗日乘数法求解约束优化问题，得到包含相关矩阵和权重的 (n+1) 个方程组 (n+1) 个未知数。
• 引入第三约束——有限 j 下的空间一致性，其定义为 E[(Vj − ωi jVi)²] = σ² = E[(Vj − m)²]，确保估计器在有限样本规模下保持有效。
• 对有限 j 的克里金系统进行数值求解，得到依赖坐标的估计器 ωi jvi，其在 j → ∞ 时收敛至经典GLS估计器。
• 使用负相关函数（公式18）和真实世界Xetra DAX指数数据（n=182）对数值估计器与经典GLS估计器进行验证。
• 在模拟中比较有限 j 下的数值估计器与经典GLS估计器，显示其收敛性及在有限样本下的性能提升。

实验结果

研究问题

• RQ1 如何推导出一种数值稳定、有限样本的广义最小二乘估计器，用于随机场的均值，避免依赖渐近假设？
• RQ2 空间统计中第三约束的作用是什么？它如何提升估计器在有限样本规模下的有效性？
• RQ3 在偏差和方差方面，有限 j 下的数值广义最小二乘估计器与经典GLS估计器相比如何？
• RQ4 经典GLS估计器为何是数值估计器的渐近分离形式？这对实际估计有何影响？
• RQ5 该数值估计器能否有效应用于具有已知相关结构的实际空间或时间数据（如金融时间序列）？

主要发现

• 数值广义最小二乘估计器 ωi jvi 被推导为强制执行无偏性、方差最小化及有限 j 下空间一致性的有限样本克里金系统的解。
• 经典GLS估计器被证明仅为数值估计器的渐近分离形式，意味着它不能准确代表有限样本解。
• 第三约束——E[(Vj − ωi jVi)²] = σ²——确保了有限 j 下的空间一致性，是估计器在实际应用中有效性的关键。
• 当 n=182 且 j=577 时，数值估计器收敛至经典GLS估计器，证实了两者之间的渐近关系。
• 通过与真实Xetra DAX指数数据的对比，证明了数值估计器在有限样本设置下优于经典GLS估计器。
• 克里金系统（公式6）为权重 ωi j 和拉格朗日乘子 μ¹ j 提供了稳定且可计算的解，支持实际应用。