Multiple Time Series Modeling and Extended Sample Cross-Correlations
多元时间序列建模与扩展样本互相关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：摘要明确讨论多元自回归移动平均模型、样本互相关和经济序列建模，最直接对应时间序列方法。
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
多元时间序列建模与扩展样本互相关
- 研究问题
- 如何为多元时间序列选择合适的自回归移动平均结构，扩展样本互相关能怎样辅助模型识别和实际数据的迭代建模？
- 方法与思路
- 作者介绍多元自回归移动平均模型，提出基于扩展样本互相关的模型识别方法，并用包含五条序列的美国生猪数据演示建模。
- 材料陈述的贡献
- 摘要所述贡献是给出多元自回归移动平均模型的说明性介绍与扩展样本互相关识别思路，并通过实际数据展示迭代建模流程。
- 阅读关注点
- 应核对扩展样本互相关的计算与判读规则、模型阶数选择及迭代停止标准，并检查生猪数据应用中的诊断结果和模型选择依据。
- 阅读边界
- 摘要未说明模型识别方法的统计性质、样本要求或比较结果；实际数据演示本身不足以判断其识别准确率或预测表现。
原文摘要
This article provides an expository account of the multivariate autoregressive moving average models and proposes an extended sample cross-correlation approach for practical model identification. An iterative model building procedure for applying these models to real data is discussed and demonstrated by analyzing the 5-series U.S. Hog Data.