Small-Sample Properties of Predictions from the Regression Model with Autoregressive Errors
自回归误差回归模型预测的小样本性质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：摘要研究自回归误差下的多步预测与预测方差，直接对应时间序列和预测方向。
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
自回归误差回归模型预测的小样本性质
- 研究问题
- 在误差具有自回归结构的回归模型中，预测方差估计是否应包含参数估计带来的不确定性，其作用如何随样本量和预测步长变化？
- 方法与思路
- 作者用 Monte Carlo 比较包含与不包含参数估计项的两种实用渐近预测方差估计量，并以不同误差相关性、样本量和预测步长下的预测均方误差为参照。
- 材料陈述的贡献
- 摘要称在预测方差估计中纳入反映参数估计的项是值得的，尤其在小样本中；未报告具体改善幅度或所有设定下的排序。
- 阅读关注点
- 应核对预测目标与渐近预测方差的定义、参数估计项的构造，以及模拟使用的自回归设定、预测步长和比较误差指标。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。结论来自所述模拟比较，摘要未提供参数范围或数值结果，不能推断普遍优势。
原文摘要
Monte Carlo methods are used to examine the small-sample properties of various estimators of asymptotic prediction variance (APV) from the regression model with autoregressive errors. Two practical estimators of APV, one of which includes terms reflecting parameter estimation and one of which excludes these terms, are compared to the mean squared error of prediction for regression models with different autocorrelation of the errors, different sample sizes, and different period-ahead predictions. The inclusion of terms reflecting the estimation of parameters is found to be worthwhile, particularly in small samples.