Optimal Rank-Based Procedures for Time Series Analysis: Testing an ARMA Model Against Other ARMA Models
时间序列分析的最优秩方法：检验 ARMA 模型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 ARMA 时间序列模型的设定检验与序列秩统计量。
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
时间序列分析的最优秩方法：检验 ARMA 模型
- 研究问题
- 在生成白噪声的密度未知时，如何检验一个给定的 ARMA 模型，并针对系数已知或未知的其他 ARMA 模型构造检验？
- 方法与思路
- 作者使用广义线性序列秩统计量处理指定系数的邻近备择，再利用有限维秩统计量的渐近充分性构造二次型检验。
- 材料陈述的贡献
- 摘要称分别得到分布无关的渐近最强检验及渐近最大最小最强检验，后者可解释为加权的秩版 Box–Pierce 统计量。
- 阅读关注点
- 应核对邻近备择的定义、白噪声与模型条件、渐近充分性的适用范围，以及与经典端口检验相联系的特殊情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；最优性针对所述渐近备择，不能据此判断有限样本表现或普遍功效优势。
原文摘要
The problem of testing a given ARMA model (in which the density of the generating white noise is unspecified) against other ARMA models is considered. A distribution-free asymptotically most powerful test, based on a generalized linear serial rank statistic, is provided against contiguous ARMA alternatives with specified coefficients. In the case when the ARMA model in the alternative has unspecified coefficients, the asymptotic sufficiency (in the sense of Le Cam) of a finite-dimensional vector of rank statistics is established. This asymptotic sufficiency is used to derive an asymptotically maximin most powerful test, based on a generalized quadratic serial rank statistic. The asymptotically maximin optimal test statistic can be interpreted as a rank-based, weighted version of the classical Box-Pierce portmanteau statistic, to which it reduces, in some particular problems, asymptotically and under Gaussian assumptions.