ASYMPTOTIC THEORY ON THE LEAST SQUARES ESTIMATION OF THRESHOLD MOVING-AVERAGE MODELS
门限移动平均模型最小二乘估计的渐近理论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：摘要直接研究门限移动平均这一非线性时间序列模型；未讨论随时间发生的结构突变，故不另列结构变化。
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
门限移动平均模型最小二乘估计的渐近理论
- 研究问题
- 在门限移动平均模型中，门限与其他系数的最小二乘估计具有何种不同的收敛性质，如何实现门限分布推断？
- 方法与思路
- 作者在所称温和条件下推导门限及其他系数估计的极限理论，提出用于近似门限极限分布的重抽样方法并开展模拟。
- 材料陈述的贡献
- 摘要称门限估计具有 n 一致性，其极限与双侧复合泊松过程相关；其他系数估计强一致且渐近正态，并给出重抽样法。
- 阅读关注点
- 应核对门限可识别性、模型可逆性等具体要求，以及重抽样如何复现复合泊松极限和估计未知干扰量。
- 阅读边界
- 仅据所给 Crossref 摘要，温和条件的具体内容与重抽样有效性范围未说明；摘要中的首创性表述亦未经核验。
原文摘要
This paper studies the asymptotic theory of least squares estimation in a threshold moving average model. Under some mild conditions, it is shown that the estimator of the threshold is n -consistent and its limiting distribution is related to a two-sided compound Poisson process, whereas the estimators of other coefficients are strongly consistent and asymptotically normal. This paper also provides a resampling method to tabulate the limiting distribution of the estimated threshold in practice, which is the first successful effort in this direction. This resampling method contributes to threshold literature. Simultaneously, simulation studies are carried out to assess the performance of least squares estimation in finite samples.