A Graphical Procedure for Determining Nonstationarity in Time Series
判定时间序列非平稳性的图形方法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：摘要明确围绕ARIMA模型、非平稳时间序列及差分阶数诊断展开。
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
判定时间序列非平稳性的图形方法
- 研究问题
- 在ARIMA建模中，如何确定使序列达到二阶平稳所需的差分次数，并避免差分不足或过度差分造成的问题？
- 方法与思路
- 作者引入广义协方差，通过原始数据增量平方均值的一系列图形判断差分次数，再用正式推断检验最后一次差分是否必要。
- 材料陈述的贡献
- 摘要称该图形程序能方便地诊断差分阶数，并以时间序列实例与假设检验方法比较，还讨论未差分序列广义协方差的估计。
- 阅读关注点
- 应核对图形形态与差分阶数的对应规则、最后一次差分检验的假设，以及广义协方差如何描述非平稳序列。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，不能推断刊本变化；摘要未给出正式检验条件、判图误差或相对其他方法的数值表现。
原文摘要
Integrated processes as models for time series data have proved to be an important component of the highly flexible class of ARIMA(p, d, q) models. Determining the amount of differencing, d, has been a difficult task: too little and the process is not yet second-order stationary; too much and the process is more variable than it need be. It is shown that by introducing the notion of generalized covariances, developed by Matheron (1973) for spatial processes, the amount of differencing needed can be read easily from a sequence of graphs showing averages of squares of primary data increments. Formal inference to determine if the last difference really is necessary can then be carried out. Time series data are analyzed in this way and compared with the hypothesis-testing approach illustrated by Dickey, Bell, and Miller (1986). Once the order of differencing has been diagnosed, either the differenced time series can be analyzed or the generalized covariance of the undifferenced series can be estimated.