A Large-Sample Test for Detecting Gaps in Moving Average Models
检测移动平均模型系数空缺的大样本检验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：摘要明确研究移动平均过程、自相关函数和季节性识别，直接属于时间序列方法。
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
检测移动平均模型系数空缺的大样本检验
- 研究问题
- 如何检验移动平均过程的一组指定参数是否为零，并利用这种检验判断过程是否具有摘要所指的季节性结构？
- 方法与思路
- 作者在时域内构造大样本检验，使用改进自相关估计量的估计渐近协方差矩阵，并依托既有理论结果推导程序。
- 材料陈述的贡献
- 摘要称该程序可检测指定移动平均参数的零约束及季节性，并在所展示的功效比较中优于 Box–Jenkins 识别方法。
- 阅读关注点
- 应核对被检验参数集合、改进自相关估计的定义、协方差估计及大样本条件，并检查功效比较的具体模型和备择。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未列出检验公式、适用条件或功效数值，所述比较不能外推为普遍优势。
原文摘要
Summary A procedure is given in the paper for testing the hypothesis that a specified set of parameters in a moving average process assumes the value zero. In particular, the method is applicable for detecting whether a moving average process is seasonal or not. This large-sample test, which operates entirely in the time domain, is based on the estimated asymptotic covariance matrix of improved estimates of the autocorrelation function and is derived from the results of Walker (1961) and Godolphin (1977). The procedure is illustrated and compared favourably on the basis of test power with the identification approach of Box and Jenkins (1970).