Efficient Estimation and Prediction in Time Series Regression Models
时间序列回归模型的高效估计与预测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：摘要直接讨论相关残差的时间序列回归、ARMA 示例和未来值预测，支持时间序列与预测两个方向。
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
时间序列回归模型的高效估计与预测
- 研究问题
- 当时间序列回归残差存在相关性时，如何高效计算似然、预测未来观测，并对缺失观测进行插值？
- 方法与思路
- 作者给出处理相关残差时间序列回归的似然计算、预测和插值方法，并用具有 ARMA 残差的回归模型作说明。
- 材料陈述的贡献
- 摘要称，论文说明如何高效完成似然计算、未来值预测和缺失值插值，展示其在 ARMA 残差回归中的使用。
- 阅读关注点
- 应核对计算程序所需的残差分布与协方差信息、初始条件处理，以及预测和插值是否考虑参数估计的不确定性。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。具体算法、复杂度与预测误差结果未说明，不能把计算高效解释为统计效率最优。
原文摘要
For a time series regression model with correlated residuals we show how to compute efficiently the likelihood, predict future values and interpolate missing values. As an illustration we consider a regression model with autoregressive moving average residuals.