1984
DOI: 10.1093/biomet/71.1.135
|View full text |Cite
|
Sign up to set email alerts
|

Maximum likelihood estimation of models for residual covariance in spatial regression

Help me understand this report

Search citation statements

Order By: Relevance

Paper Sections

Select...
4
1

Citation Types

4
387
0
11

Year Published

1996
1996
2008
2008

Publication Types

Select...
4
2

Relationship

0
6

Authors

Journals

citations
Cited by 738 publications
(402 citation statements)
references
References 12 publications
4
387
0
11
Order By: Relevance
“…Com a finalidade de se aplicarem os critérios de validação em estudo, ajustaram-se três modelos teóricos ao semivariograma experimental: exponencial, esférico e gaussiano, considerados adequados aos dados em análise. Na estimação dos parâmetros foram usados os métodos: dos mínimos quadrados ordinári-os (OLS), dos mínimos quadrados ponderados (WLS1) (Cressie, 1985) e máxima verossimilhança (MV) (Mardia & Marshall, 1984 …”
Section: Methodsunclassified
See 4 more Smart Citations
“…Com a finalidade de se aplicarem os critérios de validação em estudo, ajustaram-se três modelos teóricos ao semivariograma experimental: exponencial, esférico e gaussiano, considerados adequados aos dados em análise. Na estimação dos parâmetros foram usados os métodos: dos mínimos quadrados ordinári-os (OLS), dos mínimos quadrados ponderados (WLS1) (Cressie, 1985) e máxima verossimilhança (MV) (Mardia & Marshall, 1984 …”
Section: Methodsunclassified
“…Supõe-se que os dados, de modo geral, podem ser escritos como Z(s i ) = μ(s i ) + ∈(s i ), sendo μ(s i ) uma função determinística que descreve a componente estrutural de Z em s i , que pode ser expressa como μ(s i ) = , sendo f k uma função conhecida e β k uma constante desconhecida a ser estimada, para k = 1,..., p (caso particular p = 1, μ(s i ) = β 1 ) e ∈(s i ) é um termo estocástico, que varia localmente e depende espacialmente de Z(s i ). Assume-se que o termo estocástico ∈(s i ) tem média zero e a variação entre pontos no espaço é determinada pela função covariância C(s i , s j ) = Cov{∈(s i ), ∈(s i )} (Mardia & Marshall, 1984). A semivariância é uma função da distância h, que é estimada em um conjunto discreto de distâncias (lags).…”
Section: Introductionunclassified
See 3 more Smart Citations