On the frequency domain estimation of the innovation variance of a stationary univariate time series
平稳单变量时间序列新息方差的频域估计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：摘要直接研究平稳单变量时间序列的新息方差与频域估计。
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
平稳单变量时间序列新息方差的频域估计
- 研究问题
- 用周期图估计平稳线性时间序列的新息方差时，小样本偏差如何影响估计，加窗处理能否改善其偏差与方差？
- 方法与思路
- 作者定义基于加窗时间序列的新息方差估计量，并通过解析评价与模拟考察其表现，重点涉及模型特征根接近单位圆的情形。
- 材料陈述的贡献
- 摘要称，当模型特征方程的根接近单位圆时，加窗处理对新息方差估计具有较大的减偏和降方差作用；未给出数值幅度。
- 阅读关注点
- 应核对频域估计量与加窗函数的定义、平稳性条件、接近单位圆的具体设定，以及解析结果和模拟比较的基准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；加窗选择及改善幅度未提供，结论不能直接推广至非平稳过程。
原文摘要
The innovation variance σ2 of a linear stochastic time series model can be estimated using periodogram ordinates. However, since the periodogram ordinates as estimators of the corresponding spectrum ordinates can show appreciable small-sample bias, it is believed that the estimator of σ2 is biased. One way of reducing the small-sample bias in the periodogram ordinates is by tapering. In this paper an estimator of σ2 based on tapered time series is defined and evaluated analytically as well as by simulation. Tapering has a large bias-reducing as well as variance-reducing effect when the roots of the characteristic equation of the model are close to the unit circle.