Asymptotically Efficient Selection of the Order by the Criterion Autoregressive Transfer Function
自回归传递函数准则选阶的渐近效率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：摘要明确研究自回归模型的阶数选择与渐近效率，直接对应时间序列方向，未涉及 VAR 冲击或结构变化。
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
自回归传递函数准则选阶的渐近效率
- 研究问题
- 利用自回归传递函数系列准则选择自回归阶数时，是否具有指定意义下的渐近效率，推广罚函数后又如何？
- 方法与思路
- 作者分析 CAT、CAT* 与 CAT₂ 的选阶性质，并引入推广的罚函数，研究固定 α>1 时 CATα 的效率。
- 材料陈述的贡献
- 摘要称前三种准则在 Shibata 定义的意义下渐近有效，且 CATα 对所提出的推广罚函数也具有渐近效率。
- 阅读关注点
- 阅读全文时应核对渐近效率的损失基准、真实过程条件、候选阶数增长方式，以及推广罚函数的具体定义。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；效率定义和适用条件未展开，不能理解为总能选中真实阶数或有限样本最优。
原文摘要
The autoregressive orders selected by the criterion autoregressive transfer function (CAT) of Parzen (1974), a new version, CAT$^\ast$, of CAT introduced by Parzen (1977), and the CAT$_2$ criterion of Bhansali (1985) are shown to be asymptotically efficient in the sense defined by Shibata (1980, 1981). A generalization of the penalty function considered by Shibata (1980) is introduced. The order selected by the CAT$_\alpha$ criterion of Bhansali (1985), with any fixed $\alpha > 1$, is asymptotically efficient with respect to this generalized penalty function.