Robust tests for time series with an application to first-order autoregressive processes
时间序列的稳健检验及其在一阶自回归过程中的应用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：摘要明确讨论依赖观测的时间序列检验、自回归及移动平均过程，直接对应时间序列方法而非特定预测应用。
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…
时间序列的稳健检验及其在一阶自回归过程中的应用
- 研究问题
- 在观测相互依赖的时间序列模型中，如何构造复合假设的稳健检验，并考察一阶自回归过程中的效率和功效？
- 方法与思路
- 作者通过稳健化估计方程构造 Wald 与 Rao 得分统计量的稳健对应形式，并研究相关误差回归及自回归移动平均过程。
- 材料陈述的贡献
- 摘要称方法提供统一的稳健检验框架，给出相关过程的大样本性质，以及一阶自回归模型的效率和中等样本功效比较。
- 阅读关注点
- 核对稳健性针对的偏离类型、依赖条件与协方差估计，以及功效比较采用的模型、样本量和显著性校准方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；未说明污染机制、效率和功效数值，不能推断稳健程序在所有情形均占优。
原文摘要
Robust analogues of the Wald and the Rao score statistics are presented for testing composite hypotheses in time series models involving dependent observations. Asymptotic efficiency and empirical power comparisons using moderate size samples are given for first-order autoregressive processes. Our method of robustifying the estimating equation gives a simple and unified approach which is useful in a large class of problems including regression with dependent errors, and autoregressive and moving average processes. Large-sample properties of the robust procedures are given for these processes.