A Minimum Distance Estimator for First-Order Autoregressive Processes
一阶自回归过程的最小距离估计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：摘要明确针对一阶平稳自回归时间序列的参数估计与渐近分布。
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
一阶自回归过程的最小距离估计
- 研究问题
- 对于一阶平稳自回归时间序列，能否构造基于分布距离的参数估计量，并建立其渐近正态性以支持推断？
- 方法与思路
- 作者构造一类 Cramér–von Mises 型最小距离估计量，并在适当假设下证明其渐近正态性。
- 材料陈述的贡献
- 摘要明确贡献为估计量类别的构造及渐近正态结果，并称证明包含具有独立意义的结果，但未说明其内容。
- 阅读关注点
- 应核对距离准则、创新项与相依性条件、渐近方差和计算方法，以及证明中独立结果的具体表述。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供具体假设、效率比较或数值结果，不能据此声称优于常用自回归估计。
原文摘要
In this paper we construct a class of minimum distance Cramer-von Mises-type estimators for the parameter in the first-order stationary autoregressive time series. The estimator is proved to be asymptotically normal under appropriate assumptions. The proofs involve some results of independent interest.