Testing for Relationships Between Time Series
时间序列之间关系的检验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：摘要直接研究自相关时间序列之间的相关显著性检验及一阶Markov动态结构。
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…
时间序列之间关系的检验
- 研究问题
- 两个序列各自存在自相关时，如何检验它们的样本相关是否显著，避免直接沿用适用于独立正态观测的程序？
- 方法与思路
- 作者以抽样证据研究无关联一阶Markov序列的条件相关分布，在给定样本一阶自相关后构造相关显著性检验。
- 材料陈述的贡献
- 摘要称抽样证据支持该条件分布不依赖总体一阶自相关的假说，并据此提出无需已知序列生成属性的检验。
- 阅读关注点
- 应核对条件分布假说的证据性质、一阶Markov近似及检验校准方式，检查更复杂动态依赖是否超出论文分析范围。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，条件分布结论得到的是抽样证据支持，不能当作已证明的一般定理；相关也不等于因果关系。
原文摘要
The usual procedures for testing the significance of sample correlations between pairs of independently normally distributed series are not appropriate for testing sample correlations between pairs of autocorrelated series. We present sampling evidence supporting our hypothesis that the distributions of sample correlations between pairs of unrelated first-order Markov series conditional on the first lag sample autocorrelations of the series correlated are independent of the population first lag autocorrelations of these series. Based on this evidence, a new test of significance for correlations between autocorrelated series is proposed, which, although treating them as first-order Markov series, does not depend on the generally unknown generating properties of the series.