On the Asymptotic Properties of Least-Squares Estimators in Autoregression
自回归模型中最小二乘估计量的渐近性质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：摘要直接研究线性自回归模型及其最小二乘估计的渐近性质，属于时间序列方法。
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
自回归模型中最小二乘估计量的渐近性质
- 研究问题
- 在包含解释变量的线性自回归模型中，对误差序列施加较少假设时，最小二乘估计的一致性与渐近正态性如何成立？
- 方法与思路
- 作者讨论线性自回归模型最小二乘估计的渐近性质，并将随机解释变量纳入考察；摘要未说明具体证明方法。
- 材料陈述的贡献
- 摘要明确讨论一致性和渐近正态性，并称对误差序列要求较少；其覆盖的模型条件和具体结论强度仍需核对。
- 阅读关注点
- 应核对误差序列的矩与依赖条件、解释变量与误差的关系，以及不同自回归设定下的一致性和极限分布条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；“较少假设”的具体内容未说明，不能据此推断允许内生解释变量或所有非平稳情形。
原文摘要
Consistency and asymptotic normality of least-squares estimators are discussed for the linear autoregressive model with explanatory variables. Few assumptions are made about the error sequence. The case of stochastic explanatory variables is also considered.