Non-nested testing of spatial correlation

ما تست های غیر تودرتو در زمینه داده های عمومی، فضایی، تاریخی یا پانل را توسعه می دهیم. جنبه فضایی را می توان به طور کلی در هر جغرافیایی تفسیر کرد یا از مفهوم فاصله اقتصادی استفاده کرد یا زمانی که مدل سازی پارامتری بخشی از یک عامل مشترک یا ساختار دیگر بوجود می آید. در مورد اول، مشاهدات ممکن است به طور منظم در یک یا چند ابعاد فاصله قرار بگیرند، همانطور که با اطلاعات فضایی و زمان بسیار معمولی است یا در همه ابعاد بی نظیری قرار دارد؛ هر دو مدل ایزوتروپیک و مدل های غیر ایزوتروپیک را می توان در نظر گرفت و همچنین طیف گسترده ای از ساختارهای همبستگی. در مورد دوم، مدل هایی که شامل ماتریس های وزن فضایی هستند، مانند مدل های خودپرهیزنی فضایی پوشیده شده اند. این تنظیم به طور کلی به طور بالقوه برای پوشش دادن سایر ساختارهای پارامتری مانند مدل های خاص فاکتور و مشاهدات با ارزش بردار است، و در اینجا، نظریه ی وابسته به پارامتر اولیه برای برآورد پارامتر از یک مقدار مستقل است. آمار تست براساس یک رابطه شفاف گاوسی است و نشان داده شده است که توزیع نرمال طبق استاندارد تحت فرض صفر است که یکی از دو مدل درست است؛ این تئوری محدودیتی به شدت به قضیه محدودیت مرکزی برای برآورد پارامترهای پارامتر عددی گاوسیوس پایبند است. یک مطالعه کوچک مونت کارلو از عملکرد نمونه محدود شامل است.