On the Second Order Asymptotic Efficiency of Estimators of Gaussian ARMA Processes
高斯 ARMA 过程估计量的二阶渐近效率AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确研究高斯 ARMA 过程的估计与渐近性质，直接对应时间序列方法。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
高斯 ARMA 过程估计量的二阶渐近效率
- 研究问题
- 对于高斯 ARMA 过程，最大似然与准最大似然估计量经过适当修正后，能否在抽样分布的二阶近似意义下达到效率最优？
- 方法与思路
- 作者利用抽样分布的二阶近似研究估计量，并以截至二阶的分布集中程度衡量效率，分析最大似然与准最大似然估计量的适当修正。
- 材料陈述的贡献
- 摘要称，在所采用的分布集中程度标准下，适当修正后的高斯 ARMA 最大似然与准最大似然估计量具有二阶渐近效率。
- 阅读关注点
- 读全文时应核对修正项的具体形式、二阶效率的定义与比较范围，以及高斯 ARMA 模型和渐近展开所需的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明修正公式及正则条件，不能据此判断有限样本优势或推断其他版本变化。
原文摘要
In this paper we investigate an optimal property of maximum likelihood and quasi-maximum likelihood estimators of Gaussian autoregressive moving average processes by the second order approximation of the sampling distribution. It is shown that appropriate modifications of these estimators for Gaussian ARMA processes are second order asymptotically efficient if efficiency is measured by the degree of concentration of the sampling distribution up to second order. This concept of efficiency was introduced by Akahira and Takeuchi (1981).