On the Estimation of Residual Variance and Order in Autoregressive Time Series
自回归时间序列残差方差与阶数的估计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：摘要直接研究自回归时间序列的残差方差估计、阶数选择及多元扩展。
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
自回归时间序列残差方差与阶数的估计
- 研究问题
- 自回归模型的残差方差估计存在怎样的偏差，这些偏差如何影响阶数选择，强自相关是否使问题更加严重？
- 方法与思路
- 作者通过理论与模拟比较 Yule–Walker、最小二乘和 Burg 类估计，并研究残差方差估计对阶数判定的影响。
- 材料陈述的贡献
- 摘要称 Yule–Walker 表现较差，强自相关下方差与阶数估计可能严重偏误，并将 AIC 高估结果扩展至一般多元情形。
- 阅读关注点
- 应核对偏差的评价标准、不同估计量的实现、强自相关设定，以及多元 AIC 高估结果的条件和含义。
- 阅读边界
- 仅据 Crossref 摘要；未给出偏差大小、样本阈值或完整条件，不能据此确定某种估计方法在所有情形下更好。
原文摘要
SUMMARY We study the bias of Yule-Walker, least squares and Burg-type estimates of the residual variance of autoregressive processes. Both simulations and theory indicate that Yule-Walker estimates are inferior to least squares and Burg-type estimates. The effect on order determination is also studied, and we extend the results on overestimation of the AIC criterion to the general multivariate case. For strongly autocorrelated processes, Yule-Walker estimates of residual variance and order may be severely biased even for comparatively large sample sizes.