On goodness of fit of time series models: An application of higher order crossings
时间序列模型拟合优度：高阶交叉的应用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：摘要直接讨论平稳时间序列、自相关和ARMA模型的拟合优度检验，明确属于时间序列方向。
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
时间序列模型拟合优度：高阶交叉的应用
- 研究问题
- 平稳时间序列的图形特征与自相关有何联系，能否利用高阶交叉计数检验假定模型对广泛备择的拟合优度？
- 方法与思路
- 作者通过称为提取器的迭代特征提取程序构造非参数统计量，并在真实数据及正态ARMA模拟中与Q统计量比较。
- 材料陈述的贡献
- 摘要提出以高阶交叉的视觉特征计数开展拟合优度检验，并展示一种新统计量与Box–Pierce检验的比较。
- 阅读关注点
- 核对高阶交叉和提取器的定义、统计量的校准方式及备择范围，并查看真实数据与模拟比较采用的具体标准。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；零分布、检验条件及比较结果未说明，不能据此断言优于Q检验。
原文摘要
A relation between the graphical appearance of a stationary time series and its autocorrelations is discussed. The use of counts of visual features termed higher order crossings is proposed in testing goodness of fit of hypothesized models against very general alternatives. Attention is focused on a specific example of a new type of nonparametric test statistic arising from iterative feature extraction procedures called extractors. The statistic is compared with Box & Pierce's portmanteau Q statistic on real data as well as on simulated normal autoregressive-moving average series.