Bias of some commonly-used time series estimates
若干常用时间序列估计量的偏差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：摘要明确分析单变量与多变量自回归过程的估计偏差，直接对应时间序列方法，未涉及冲击识别等其他方向。
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
若干常用时间序列估计量的偏差
- 研究问题
- 单变量和多变量自回归模型中，Yule–Walker 与最小二乘估计的偏差有何差异，强自相关会怎样影响其有限样本表现？
- 方法与思路
- 作者推导标量一阶、二阶模型的 Yule–Walker 大样本偏差公式，以及一般情形的最小二乘偏差公式，并结合模拟进行比较。
- 材料陈述的贡献
- 摘要称理论与模拟显示 Yule–Walker 估计逊于最小二乘，且强自相关时即使样本相对较大，前者仍可能存在严重偏差。
- 阅读关注点
- 应核对均值处理、初始观测与估计定义对偏差公式的影响，以及模拟参数范围、比较指标和强自相关情形的设定。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要。摘要未给出公式、条件或数值，所述比较不能直接证明所有损失标准下的统一优越性。
原文摘要
We study the bias of Yule-Walker and least squares estimates for univariate and multivariate autoregressive processes. We obtain explicit formulae for the large-sample bias of YuleWalker estimates in the scalar first- and second-order cases and for least squares estimates in the general case. Both simulations and theory indicate that Yule-Walker estimates are inferior to least squares estimates. For strongly autocorrelated processes, Yule-Walker estimates can be severely biased even for comparatively large-sample sizes.