Consistent Estimates of Autoregressive Parameters and Extended Sample Autocorrelation Function for Stationary and Nonstationary ARMA Models
平稳与非平稳 ARMA 模型的自回归参数一致估计与扩展样本自相关函数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：摘要直接涉及平稳和非平稳 ARMA 模型、自回归参数估计及时间序列定阶。
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
平稳与非平稳 ARMA 模型的自回归参数一致估计与扩展样本自相关函数
- 研究问题
- 能否统一处理平稳与非平稳 ARMA 模型的初步定阶，并减少为实现平稳而预先选择差分阶数的依赖？
- 方法与思路
- 作者以迭代回归获得自回归参数的一致估计，再构造扩展样本自相关函数用于定阶，并讨论与其他方法的比较。
- 材料陈述的贡献
- 摘要称提出统一定阶框架，其优势之一是无需先以通常较任意的方式确定使序列平稳的差分阶数。
- 阅读关注点
- 核对迭代回归的一致性条件、扩展自相关的定义和识别图样，以及该框架如何处理非平稳性与差分选择。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明支持哪些非平稳过程，也未给出有限样本定阶准确率。
原文摘要
A unified approach for the tentative specification of the order of mixed stationary and nonstationary ARMA models is proposed. For the ARMA models, an iterative regression procedure is given to produce consistent estimates of the autoregressive parameters. An extended sample autocorrelation function based on these consistent estimates is then defined and used for order determination. One of the advantages of this new approach is that it eliminates the need to determine, usually rather arbitrarily, the order of differencing to produce stationarity in modeling time series. Comparisons with other existing identification methods are discussed, and several samples are given.