A Comparison Between Different Order-Determination Criteria for Identification of ARIMA Models
ARIMA 模型识别中不同定阶准则的比较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：摘要围绕 ARIMA 模型阶数选择、非平稳性与单位根识别展开，直接属于时间序列方法，未明确涉及预测或结构变化。
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
ARIMA 模型识别中不同定阶准则的比较
- 研究问题
- 在小样本中，不同 ARIMA 模型定阶准则的表现如何，残差白噪声自回归定阶准则能否帮助识别非平稳数据中的单位根？
- 方法与思路
- 作者利用模拟数据和经济数据比较若干 ARIMA 定阶准则的小样本表现，并演示如何用残差白噪声自回归定阶准则识别单位根。
- 材料陈述的贡献
- 摘要明确报告了定阶准则的小样本比较，并展示残差白噪声自回归定阶准则的单位根识别用法；摘要未指出哪项准则表现最佳。
- 阅读关注点
- 阅读全文时应核对被比较准则的定义、样本量、数据生成过程和评价指标，并检查单位根识别程序在不同非平稳设定下的表现。
- 阅读边界
- 摘要没有列出具体准则、比较数值或优势适用范围，也未报告单位根识别的误判率，不能据此推荐某一准则或判断其稳健性。
原文摘要
The small-sample performance of several order-determination criteria for identification of ARIMA models is compared using simulated and economic data. The authors also demonstrate how the residual white-noise autoregressive order-determination criterion can be used to identify unit roots in nonstationary data.