Asymptotic expansions for the mean and variance of the serial correlation coefficient
序列相关系数估计量均值与方差的渐近展开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：摘要明确研究一阶高斯自回归过程和序列相关系数估计的高阶性质。
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
序列相关系数估计量均值与方差的渐近展开
- 研究问题
- 在一阶高斯自回归过程的两种估计模型中，最小二乘序列相关系数估计量的均值和方差如何进行更高阶的渐近展开？
- 方法与思路
- 作者针对两种模型推导最小二乘估计量前两个矩的级数展开，围绕观测长度与自回归系数保留更高阶项，以扩展既有渐近结果。
- 材料陈述的贡献
- 摘要称，所得均值与方差展开比既有研究保留了更多高阶项；但未说明两种模型的具体设定，也未提供实际近似精度结果。
- 阅读关注点
- 应核对两种模型是否涉及不同初始条件或均值处理，检查展开系数、余项控制及适用参数范围，并查原PDF确认幂次排版。
- 阅读边界
- 仅依据稿件版本未注明的OpenAlex索引摘要。估计量及幂次符号存在排版问题，不能据此重构公式，也不能推断近单位根时的有效性。
原文摘要
Two models are considered for the estimation of the serial correlation coefficient α of a first-order auto-regressive Gaussian process. Series expansions are obtained for the first two moments of α^ 1 the least squares estimator for α. The series expansions are carried to terms of order T−3 and α4 (where T is the observed length of the series) thus extending the asymptotic results of several authors (e. g. Bartlett, 1946; Hurwicz, 1950; Kendall, 1954; Marriott & Pope, 1954).