Testing a linear time series model against its threshold extension
线性时间序列模型相对于门限扩展的检验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：摘要直接研究 ARMA 时间序列的门限非线性检验及相关误差下的推断。
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…
线性时间序列模型相对于门限扩展的检验
- 研究问题
- 对于误差可能相关的自回归移动平均模型，如何检验是否需要门限扩展，并近似复杂的准似然比统计量零分布？
- 方法与思路
- 作者推导无门限原假设下准似然比统计量的渐近分布，并提出基于随机置换的自助法来近似这一复杂分布。
- 材料陈述的贡献
- 摘要称新方法对误差条件较稳健，较所比较方法更灵活且计算量较小，并提供蒙特卡洛实验及一个应用示例。
- 阅读关注点
- 应核对门限参数在原假设下的处理、允许的误差依赖条件，以及随机置换为何有效和计算比较采用的具体基准。
- 阅读边界
- 所给 OpenAlex 摘要版本未注明；未提供有效性条件、模拟数值与比较范围，不能据此断言所有既有近似方法均不适用。
原文摘要
This paper derives the asymptotic null distribution of a quasilikelihood ratio test statistic for an autoregressive moving average model against its threshold extension. The null hypothesis is that of no threshold, and the error term could be dependent. The asymptotic distribution is rather complicated, and all existing methods for approximating a distribution in the related literature fail to work. Hence, a novel bootstrap approximation based on stochastic permutation is proposed in this paper. Besides being robust to the assumptions on the error term, our method enjoys more flexibility and needs less computation when compared with methods currently used in the literature. Monte Carlo experiments give further support to the new approach, and an illustration is reported.