Estimation of semivarying coefficient time series models with ARMA errors
具有 ARMA 误差的半变系数时间序列模型估计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：摘要明确讨论时间序列、半参数自回归与 ARMA 误差，直接对应时间序列方法。
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
具有 ARMA 误差的半变系数时间序列模型估计
- 研究问题
- 在回归函数具有非线性、误差存在序列相关时，如何估计半参数自回归模型，并避免过强的误差与回归量关系限制？
- 方法与思路
- 作者扩展 Whittle 似然估计，研究带有 ARMA 残差序列的半参数自回归模型，同时提出模型选择程序。
- 材料陈述的贡献
- 摘要称建立估计量的渐近正态性，并以数值例子展示估计方法表现及在建模中纳入残差序列相关的必要性。
- 阅读关注点
- 应核对回归量与误差允许的依赖关系、半变系数部分的估计方式、ARMA 设定，以及模型选择的理论条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体依赖条件、模型选择准则和数值表现未说明，不能判断适用范围。
原文摘要
Serial correlation in the residuals of time series models can cause bias in both model estimation and prediction. However, models with such serially correlated residuals are difficult to estimate, especially when the regression function is nonlinear. Existing estimation methods require strong assumption for the relation between the residuals and the regressors, which excludes the commonly used autoregressive models in time series analysis. By extending the Whittle likelihood estimation, this paper investigates in details a semi-parametric autoregressive model with ARMA sequence of residuals. Asymptotic normality of the estimators is established, and a model selection procedure is proposed. Numerical examples are employed to illustrate the performance of the proposed estimation method and the necessity of incorporating the serial correlation in the residuals.