Additivity tests for nonlinear autoregression
非线性自回归的可加性检验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：题名与摘要明确研究非线性自回归和时间序列中的可加性检验，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
非线性自回归的可加性检验
- 研究问题
- 如何检验非线性时间序列模型中的可加性，使简化多变量关系的可加结构能够接受统计检验？
- 方法与思路
- 作者提出三种程序：结合平滑与方差分析的检验、使用非参数估计的拉格朗日乘子检验，以及基于平滑的置换检验。
- 材料陈述的贡献
- 摘要称，论文研究了三种检验的性质，通过模拟考察有限样本表现，并用实际例子展示非线性时间序列中的应用。
- 阅读关注点
- 应核对可加性原假设的定义、时间依赖下置换的有效性、平滑参数选择，以及三种程序各自的适用条件。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；检验条件、模拟设计和具体表现未说明，不能据此判断哪种检验更好。
原文摘要
Additivity is commonly used in the statistical literature to simplify data analysis, especially in analysis of variance and in multivariate smoothing. In this paper, we propose three procedures for testing additivity in nonlinear time series analysis. The first procedure combines some smoothing techniques with analysis of variance, the second is a Lagrange multiplier test using nonparametric estimation, and the third is a permutation test which uses smoothing techniques to obtain the test statistic and its reference distribution. We investigate properties of the proposed tests and use simulation to check their performance in finite samples. Applications of the tests to nonlinear time series analysis are discussed and illustrated by real examples.