Increasing the Effective Length of Short Time-Series for the Purpose of Estimating Autoregressive Parameters*
为估计自回归参数增加短时间序列的有效长度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：摘要明确研究短自回归时间序列、季节位置拆分及序列相关系数估计，直接支持时间序列方向的分类。
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
为估计自回归参数增加短时间序列的有效长度
- 研究问题
- 如何缓解短线性自回归序列的序列相关系数偏差，按季节位置拆分序列后再平均或汇总能否改善常规估计？
- 方法与思路
- 作者提出两种替代估计：平均各月份年度序列的序列相关系数，或汇总各序列的平方和与滞后乘积后计算相关系数。
- 材料陈述的贡献
- 摘要将两种替代方法称为可能的改进，目标是处理短序列相关系数的偏差；未声称已经普遍证明其优越性。
- 阅读关注点
- 应核对按月份拆分的时间尺度、所估滞后相关的含义及跨序列可汇总条件，查看两种方法的偏差与方差比较。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；没有改进幅度或适用条件，增加有效长度不等于增加实际观测。
原文摘要
Techniques of overcoming biases in serial correlation coefficients computed from short linear autoregressive time-series are considered. Two alternative estimates of autocorrelation coefficients are suggested as probable improvements over the usual estimates based on averages of observations made over a seasonal period. The alternative estimates are obtained, for example, from 12 yearly series, one for each month, and are: 1. an average of serial coefficients computed from each yearly series;2. pooled sums of squares and lagged products for each series formed into a single serial correlation coefficient.