Distribution free goodness-of-fit tests for linear processes
线性过程的分布无关拟合优度检验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：摘要明确针对时间序列自相关函数及长程依赖过程的检验。
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…
线性过程的分布无关拟合优度检验
- 研究问题
- 如何检验时间序列过程的自相关函数是否符合给定模型，并使含估计参数的复合假设检验也适用于长程依赖情形？
- 方法与思路
- 作者对含估计参数的 Bartlett 过程作近似鞅变换，以其泛函构造检验，并利用零假设下的标准布朗运动极限校准。
- 材料陈述的贡献
- 摘要称提出覆盖长程依赖过程的一类检验，讨论总体型、方向型和 Portmanteau 型形式，并以蒙特卡洛研究展示表现。
- 阅读关注点
- 应核对线性过程与长程依赖条件、参数估计对变换的影响、鞅变换的近似方式，以及各类检验的有限样本尺寸和功效。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；所述极限性质不等于有限样本精确分布无关，具体条件和模拟结果未提供。
原文摘要
This article proposes a class of goodness-of-fit tests for the autocorrelation function of a time series process, including those exhibiting long-range dependence. Test statistics for composite hypotheses are functionals of a (approximated) martingale transformation of the Bartlett Tp-process with estimated parameters, which converges in distribution to the standard Brownian motion under the null hypothesis. We discuss tests of different natures such as omnibus, directional and Portmanteau-type tests. A Monte Carlo study illustrates the performance of the different tests in practice.