Testing Linear Hypotheses in Autoregressions
自回归模型中的线性假设检验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：摘要明确研究有限阶自回归过程的参数检验与创新分布，是时间序列模型统计推断的直接内容。
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
自回归模型中的线性假设检验
- 研究问题
- 对于有限阶自回归过程的参数向量，如何构造渐近最优的线性假设检验，并使残差秩检验的零假设极限分布不依赖创新分布？
- 方法与思路
- 作者利用局部渐近正态性推导渐近最优检验，另定义并研究残差秩检验，分析其在零假设下的渐近分布性质。
- 材料陈述的贡献
- 摘要称，论文得到渐近最优的线性假设检验，并为残差秩检验建立不依赖创新分布的零假设渐近分布；具体条件未列出。
- 阅读关注点
- 核对自回归稳定性、创新分布的正则条件、局部备择和最优性准则，关注参数估计对残差秩及其极限分布的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；渐近分布不依赖创新分布不等于有限样本精确无分布性，最优性的适用范围未说明。
原文摘要
The problem of testing linear hypotheses about the parameter vector of an autoregressive process with finite order is considered. Based on the property of local asymptotic normality, we derive asymptotically optimal statistical tests. Additionally, we define and investigate so-called residual rank tests. For these tests we obtain under the null hypothesis an asymptotic distribution which does not depend on the distribution of the innovation.