Least Squares Estimation in Dynamic-Disturbance Time Series Models
动态扰动时间序列模型中的最小二乘估计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：摘要明确研究平稳自回归移动平均扰动以及含因变量、自变量滞后项的时间序列回归。
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
动态扰动时间序列模型中的最小二乘估计
- 研究问题
- 当回归扰动遵循平稳混合自回归移动平均过程，且模型含因变量与自变量的滞后项时，非线性最小二乘估计有哪些大样本性质？
- 方法与思路
- 作者将此前关于平稳自回归移动平均扰动回归模型的非线性最小二乘大样本结果，扩展到含解释变量和因变量滞后值的模型。
- 材料陈述的贡献
- 摘要明确陈述的是对既有大样本结果适用模型的扩展，但没有列明所得性质、具体极限分布或与其他估计方法的比较。
- 阅读关注点
- 应核对滞后因变量与扰动之间的关系、平稳性及可识别条件，并查明扩展后究竟建立了哪些一致性或分布结果。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体大样本性质和假设未说明，不能认定含滞后项时普通最小二乘自动有效。
原文摘要
Recent results of the author concerning large-sample properties of the nonlinear least squares estimates of the parameters, in a regression model in which the disturbances follow a stationary mixed autoregressive-moving average time series, are extended to models in which lagged values of the dependent and independent variables occur.