跳到正文
← 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:摘要直接讨论一阶自回归、单位根边界及序贯采样下的时间序列参数推断。

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
T. L. Lai
D. Siegmund

自回归参数的固定精度估计

研究问题
对参数覆盖单位根边界的一阶非爆炸自回归过程,能否通过改变采样停止规则,使最小二乘估计具有统一的渐近正态性?
方法与思路
作者按特定停止规则收集数据;在正态残差情形,该规则可解释为观测 Fisher 信息达到预设水平时停止采样。
材料陈述的贡献
摘要称停止采样后的估计量在整个参数区间上一致地渐近正态,并对比固定样本量在单位根边界出现的非正态极限。
阅读关注点
应核对停止规则、随机样本量与估计量归一化方式,以及统一渐近正态性所需的残差条件和固定精度的具体含义。
阅读边界
依据版本未注明的索引摘要;统一渐近结论不直接说明有限样本覆盖率,摘要亦未给出停止时间性质或实际采样成本。

原文摘要

For a first order non-explosive autoregressive process with unknown parameter $\beta \in \lbrack -1, 1 \rbrack$, it is shown that if data are collected according to a particular stopping rule, the least squares estimator of $\beta$ is asymptotically normally distributed uniformly in $\beta$. In the case of normal residuals, the stopping rule may be interpreted as sampling until the observed Fisher information reaches a preassigned level. The situation is contrasted with the fixed sample size case, where the estimator has a non-normal unconditional limiting distribution when $|\beta| = 1$.

笔记与分组
相关领域论文