On Goodness of Fit of Time Series Models: An Application of Higher Order Crossings
时间序列模型的拟合优度：高阶穿越的应用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：摘要直接研究平稳时间序列模型的拟合优度，并明确使用 ARMA 模拟序列，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
时间序列模型的拟合优度：高阶穿越的应用
- 研究问题
- 平稳时间序列的图形特征如何与自相关联系起来，能否利用这些特征检验假设模型对广泛备择的拟合优度？
- 方法与思路
- 作者提出统计称为高阶穿越的视觉特征，通过迭代特征提取构造非参数统计量，并与 Box–Pierce Q 统计量比较。
- 材料陈述的贡献
- 摘要称，论文展示一种基于迭代特征提取的非参数检验统计量，并在真实数据及模拟正态 ARMA 序列上进行比较。
- 阅读关注点
- 应核对高阶穿越与提取算子的定义、检验校准方法，以及模型参数估计是否影响检验分布和比较中的尺寸与功效。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未报告比较结果、检验分布或一致性条件，不能声称优于 Q 检验。
原文摘要
A relation between the graphical appearance of a stationary time series and its autocorrelations is discussed. The use of counts of visual features termed higher order crossings is proposed in testing goodness of fit of hypothesized models against very general alternatives. Attention is focused on a specific example of a new type of nonparametric test statistic arising from iterative feature extraction procedures called extractors. The statistic is compared with Box & Pierce's portmanteau Q statistic on real data as well as on simulated normal autoregressive-moving average series.