Autoregressive spatial spectral estimates

تراکم طیفی غیر پارامتری برآوردهای بسیاری را در اقتصاد سنجی به دست می دهد. برای زمینه های تصادفی ثابت در یک شبکه منظم منظم، ما یک تخمین تراکم طیف ناپارامتری اتورگرسیونی ارائه می دهیم که مثبت تضمین شده حتی زمانی که اصلاح مناسب اثر لبه استفاده شده است و برای محاسبه استفاده از مربع های کوچک ساده است. برآورد ما براساس تقسیم بازنشستگی خودآرشیسم بی نهایت نیمه راست واقعی است، در حالی که اجازه می دهد طول کوتاه شدن در تمام ابعاد متفاوت باشد تا از تعصب بالقوه ناشی از قطع شدن در طول عقب ثابت جلوگیری شود. سازگاری یکنواخت تخمین پیشنهادی ایجاد شده است و معیارهای جدید برای انتخاب نظم نیز پیشنهاد شده و در شرایط عملی مورد بررسی قرار گرفته است. توزیع عددی تخمین نشان می دهد که میانگین صفر در حالت طبیعی و مستقل در فرکانس های متمایز ثابت، بازتاب رفتار برای سری زمانی است. یک آزمایش کوچک مونت کارلو عملکرد نمونه نهایی را بررسی می کند. از لحاظ فنی، کلیدی برای نتایج، ساختار کوواریانس زمینه های تصادفی ثابت است که بر روی شبکه های به طور مرتب فاصله داده می شود. ما ماتریس کوواریانس را برای برآورده شدن تعمیم ویژگی های تئپلیتز آشنا از تجزیه و تحلیل سری ها نشان می دهیم.