Miscellanea. Estimation of missing values in possible partially nonstationary vector time series
可能部分非平稳向量时间序列的缺失值估计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：摘要直接研究向量 ARMA、非平稳性、缺失观测和时间聚合，属于时间序列方法。
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
可能部分非平稳向量时间序列的缺失值估计
- 研究问题
- 对于可能部分非平稳且不可逆的向量时间序列，如何在不限定缺失模式的情况下估计缺失值并计算相应似然？
- 方法与思路
- 作者将标量序列方法推广到向量 ARMA，通过适当回归问题的正规方程估计缺失值，并调整方程以处理时间聚合。
- 材料陈述的贡献
- 摘要称方法无需卡尔曼滤波迭代或预先差分，也可统一处理过去与未来的缺失值，并扩展至时间聚合数据。
- 阅读关注点
- 应核对部分非平稳与不可逆过程的处理条件、回归方程及似然计算，并区分任意缺失模式与缺失机制的假设。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；不限定缺失模式不等于允许任意缺失机制，具体条件未说明，不能推断刊本变化。
原文摘要
Ljung's (1989) method for estimating missing values and evaluating the corresponding likelihood function in scalar time series is extended to the vector case. The series is assumed to be generated by a possibly partially nonstationary and noninvertible vector autoregressive-moving average process. No particular pattern of missing data is assumed. Future and past values are special cases of missing data that can be estimated in the same way. The method does not use Kalman filter iterations and hence avoids initialisation problems. It does not require the series to be differenced and thus avoids complications caused by over-differencing. The estimators of the missing data are provided by the normal equations of an appropriate regression problem. These equations are adapted to cope with temporally aggregated data; the procedure parallels a matrix treatment of contour conditions in the analysis of variance. Autoregressive processes are considered in some detail.