A simple noniterative estimator for moving average models
移动平均模型的一种简单非迭代估计量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：摘要明确涉及移动平均过程及其自回归近似，直接属于时间序列参数估计。
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
移动平均模型的一种简单非迭代估计量
- 研究问题
- 能否直接利用近似自回归模型的系数估计一般移动平均过程参数，并在计算简便性与统计表现之间取得适当权衡？
- 方法与思路
- 作者从近似自回归模型系数直接构造移动平均参数的非最大似然估计，并通过渐近展开和模拟比较最大似然及 Durbin 方法。
- 材料陈述的贡献
- 摘要称，模拟比较提示该简单估计量在若干情形下可能适用，同时承认最大似然方法在正确设定的低阶模型中具有优势。
- 阅读关注点
- 应核对自回归近似阶数、参数转换步骤、模型条件和渐近展开，以及不同模型阶数下的误差、计算成本与比较标准。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；摘要未明确适用情形或给出比较数值，不能据此声称该方法普遍优于最大似然。
原文摘要
We examine a simple noniterative estimator for the parameters of a general moving average process. This non-maximum-likelihood estimator derives moving average model parameters directly from the coefficients of an approximating autoregressive model. The estimator is evaluated through asymptotic expansions and by simulation, and is also compared with maximum likelihood and the related estimator of Durbin (1959). The comparison with maximum likelihood by simulation suggests a variety of circumstances in which the simpler estimator may be appropriate despite the advantage of maximum likelihood for properly-specified low-order models.