Asymptotic Conditional Inference for Regular Nonergodic Models with an Application to Autoregressive Processes
正则非遍历模型的渐近条件推断及其自回归应用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：摘要直接研究爆炸性高斯自回归过程及其条件推断，明确属于时间序列方法。
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
正则非遍历模型的渐近条件推断及其自回归应用
- 研究问题
- 对于非遍历随机过程族，如何通过条件化研究标准统计程序的渐近行为，并理解爆炸性高斯自回归模型中的估计与检验？
- 方法与思路
- 作者建立某类非遍历过程的条件极限定理，借助遍历族结果分析条件模型，并详细研究爆炸性高斯自回归过程的条件化。
- 材料陈述的贡献
- 摘要称，相关条件过程是与原过程具有简单关系的非爆炸性高斯自回归，并给出基于无条件似然的程序在条件模型下的最优性结果。
- 阅读关注点
- 应核对条件化信息、适用过程族和正则条件，以及原过程与条件过程的关系，并区分条件模型下最优性与无条件推断性质。
- 阅读边界
- 摘要未说明条件化对象、极限定理条件或最优性标准，不能将条件结论直接用于无条件模型；索引摘要未注明稿件版本。
原文摘要
A conditional limit theorem is derived for a certain class of stochastic processes whose distributions constitute a nonergodic family. The limit theorem allows us to study the asymptotic behaviour under the conditional model of some standard statistical procedures by making use of results for ergodic families. Explosive Gaussian autoregressive processes are studied in some detail. Here the conditional process is shown to be a nonexplosive Gaussian autoregression bearing a simple relation to the original process. Some optimality results under the conditional model are given for estimators and tests based on the unconditional likelihood.