Calculating the Distribution of the Serial Correlation Estimator by Saddlepoint Integration
用鞍点积分计算序列相关估计量的分布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：摘要明确研究高斯 AR(1) 时间序列、自回归系数及其有限样本分布，具有直接的时间序列方法依据。
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
用鞍点积分计算序列相关估计量的分布
- 研究问题
- 有限样本下，如何计算高斯 AR(1) 序列自回归系数的极大似然与 Yule–Walker 估计量分布，并考察其渐近逼近？
- 方法与思路
- 作者介绍数值鞍点积分，将其用于初值为零、非零及平稳的高斯 AR(1) 序列，并计算若干例子的分布显著性点。
- 材料陈述的贡献
- 摘要称，该数值方法可用于计算两类系数估计量的概率分布，示例展示有限样本分布随样本增加趋近已有渐近分布。
- 阅读关注点
- 应核对初值处理、两类估计量定义及鞍点积分步骤，审查数值误差控制，并比较不同样本量下有限样本与渐近分布。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断数值精度、计算成本或具体临界值，也不能将高斯 AR(1) 结果推广到任意时间序列。
原文摘要
The efficient method of numerical saddlepoint integration is described and applied to calculating the probability distribution of the maximum likelihood and Yule-Walker estimators of the correlation coefficient a of a first-order autoregressive normal time series with initial value either zero or nonzero when a finite number n of data are at hand. Stationary time series of the same type are also treated. Significance points are computed in a number of examples to show how, as n increases, the finite-sample distributions approach the asymptotic distributions that have appeared in the literature.