Consistent Autoregressive Spectral Estimates
一致的自回归谱估计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：摘要明确研究线性时间过程、自回归拟合与谱密度估计，其核心对象直接属于时间序列分析方向。
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
一致的自回归谱估计
- 研究问题
- 能否通过随样本规模增大的有限阶自回归拟合，一致估计线性过程的谱密度，并获得固定频率上的渐近分布保证？
- 方法与思路
- 作者对可逆的线性过程拟合逐渐增阶的自回归，约束阶数增长并控制有限阶近似偏差，以研究谱密度估计的渐近性质。
- 材料陈述的贡献
- 摘要称在所述条件下一致估计谱密度；加强偏差控制后估计渐近正态，不同固定频率渐近不相关，方差同截断周期图。
- 阅读关注点
- 应核对创新项矩条件、谱密度有界且远离零的作用，以及阶数增长限制和偏差消失速度如何共同保证渐近结论。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，无法核实偏差控制的完整条件或实际选阶方法；相同渐近方差不意味着有限样本表现相同。
原文摘要
We consider an autoregressive linear process $\{x_t\}$, a one-sided moving average, with summable coefficients, of independent identically distributed variables $\{e_t\}$ with zero mean and fourth moment, such that $\{e_t\}$ is expressible in terms of past values of $\{x_t\}$. The spectral density of $\{x_t\}$ is assumed bounded and bounded away from zero. Using data $x_1,\cdots, x_n$ from the process, we fit an autoregression of order $k$, where $k^3/n \rightarrow 0$ as $n \rightarrow \infty$. Assuming the order $k$ is asymptotically sufficient to overcome bias, the autoregression yields a consistent estimator of the spectral density of $\{x_t\}$. Furthermore, assuming $k$ goes to infinity so that the bias from using a finite autoregression vanishes at a sufficient rate, the autoregressive spectral estimates are asymptotically normal, uncorrelated at different fixed frequencies. The asymptotic variance is the same as for spectral estimates based on a truncated periodogram.