An Asymptotic Expansion Associated with the Maximum Likelihood Estimators in Arma Models
ARMA 模型极大似然估计量的渐近展开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 ARMA 时间序列模型的极大似然估计量及其分布展开。
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
ARMA 模型极大似然估计量的渐近展开
- 研究问题
- 如何为 ARMA 模型极大似然估计量的联合、边际和条件分布构造 Edgeworth 型渐近展开，以描述其分布近似？
- 方法与思路
- 作者提出适用于 ARMA 极大似然估计量的 Edgeworth 型展开技术，并通过若干简单 ARMA 模型演示方法与展开结果。
- 材料陈述的贡献
- 摘要称，该技术同时覆盖估计量的联合、边际及条件分布，并给出简单 ARMA 模型的展开结果作为方法示例。
- 阅读关注点
- 阅读时应核对平稳性、可逆性与创新分布条件，似然及初始值处理方式，以及展开阶数、余项控制和条件分布的定义。
- 阅读边界
- 仅据 Crossref 摘要，具体条件、系数和误差阶均未说明，不能据此判断有限样本近似改善程度或推断其他版本的变化。
原文摘要
SUMMARY A technique is given for the Edgeworth type asymptotic expansion for the joint as well as marginal and conditional distributions of the maximum likelihood estimators in autoregressive moving-average (ARMA) models. Our methodology is illustrated and results on the expansions for some simple ARMA models are presented.