Fitting long-memory models by generalized linear regression
通过广义线性回归拟合长记忆模型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：摘要直接讨论长记忆模型及其拟合，属于时间序列方法。
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
通过广义线性回归拟合长记忆模型
- 研究问题
- 当长记忆影响检验与置信区间的可靠性时，能否构造易于拟合且较灵活的参数模型，使常规统计软件可以用于长记忆分析？
- 方法与思路
- 作者提出一类用于刻画长记忆行为的参数模型，说明这些模型能够通过广义线性回归拟合，并用一个数据例子展示应用。
- 材料陈述的贡献
- 摘要所述贡献是提供可由标准统计软件拟合的长记忆模型类，以缓解常规分析中相关软件不易获得或灵活性不足的问题。
- 阅读关注点
- 应核对模型如何表达长记忆、广义线性回归表示如何建立、参数空间及拟合步骤，以及检验和置信区间是否需要额外修正。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出模型形式、推断保证或比较结果，不能认定任意长记忆过程均可如此拟合。
原文摘要
There is an increasing awareness of the importance of long-memory models in statistical applications. If long memory is present, it has to be taken into account in order to obtain reliable tests and confidence intervals. One obstacle to using models with long memory in routine statistical analysis has been the lack of easily available and sufficiently versatile statistical software. Here we propose a simple but flexible class of parametric models, which can be used to model such behaviour. We demonstrate that these models can be fitted by generalized linear regression. Standard statistical software packages can be used. A data example is discussed.