A Bayesian extension of the minimum AIC procedure of autoregressive model fitting
自回归模型拟合中最小 AIC 程序的贝叶斯扩展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：摘要明确以自回归模型拟合和 AIC 程序为研究对象，直接涉及时间序列模型选择方法。
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
自回归模型拟合中最小 AIC 程序的贝叶斯扩展
- 研究问题
- 在自回归模型拟合中，如何扩展最小 AIC 程序，并理解同时使用多个修正 AIC 统计量的做法？
- 方法与思路
- 作者回顾同时使用修正 AIC 统计量的既有提议，提出最小 AIC 程序的贝叶斯扩展，并通过数值例子说明用途。
- 材料陈述的贡献
- 摘要明确陈述的贡献是提出一种贝叶斯扩展程序，并用数值例子展示其实用性，但没有报告具体比较结果。
- 阅读关注点
- 应核对贝叶斯扩展的具体构造、修正 AIC 如何参与模型拟合，以及数值例子的参数设定、比较对象和评价标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；先验、计算步骤及理论性质均未说明，不能据此认定其优于其他选阶方法。
原文摘要
The proposal of simultaneous use of modified AIC statistics by Bhansali & Downham for the fitting of autoregressive models is reviewed and a Bayesian extension of the minimum AIC procedure is proposed. The practical utility of the procedure is demonstrated by numerical examples.