ROBUST TESTS FOR WHITE NOISE AND CROSS-CORRELATION
白噪声与互相关的稳健检验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：摘要直接研究单变量自相关、双变量滞后互相关及时间序列独立同分布性质的检验。
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…
白噪声与互相关的稳健检验
- 研究问题
- 在序列具有隐藏依赖、异方差及相关非平稳性时，如何有效检验自相关或滞后互相关，避免传统独立同分布近似造成尺寸失真？
- 方法与思路
- 作者改造相关图与 portmanteau 检验，提出新的累积检验以扩展 Ljung–Box 方法，并发展双变量互相关及独立同分布性质检验。
- 材料陈述的贡献
- 摘要称所提检验的渐近尺寸不受研究范围内的隐藏依赖与异方差影响；模拟显示尺寸和功效表现良好，实证揭示传统检验的虚假证据。
- 阅读关注点
- 应核对允许的隐藏依赖和异方差形式、各检验的标准化与临界值，以及无自相关、白噪声和独立同分布假设的区别。
- 阅读边界
- 摘要未列出全部依赖条件、非平稳范围和模拟数值，不能把稳健性理解为对任意非平稳过程有效；解读限于所给 Crossref 摘要。
原文摘要
Commonly used tests to assess evidence for the absence of autocorrelation in a univariate time series or serial cross-correlation between time series rely on procedures whose validity holds for i.i.d. data. When the series are not i.i.d., the size of correlogram and cumulative Ljung–Box tests can be significantly distorted. This paper adapts standard correlogram and portmanteau tests to accommodate hidden dependence and nonstationarities involving heteroskedasticity, thereby uncoupling these tests from limiting assumptions that reduce their applicability in empirical work. To enhance the Ljung–Box test for non-i.i.d. data, a new cumulative test is introduced. Asymptotic size of these tests is unaffected by hidden dependence and heteroskedasticity in the series. Related extensions are provided for testing cross-correlation at various lags in bivariate time series. Tests for the i.i.d. property of a time series are also developed. An extensive Monte Carlo study confirms good performance in both size and power for the new tests. Applications to real data reveal that standard tests frequently produce spurious evidence of serial correlation.