Small Sample Effects in Time Series Analysis: A New Asymptotic Theory and a New Estimate
时间序列分析的小样本效应：新的渐近理论与估计方法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：摘要直接研究平稳时间序列的谱、似然近似及其小样本估计性质。
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
时间序列分析的小样本效应：新的渐近理论与估计方法
- 研究问题
- 平稳过程的谱存在峰值时，Whittle 估计为何可能出现较差的小样本表现，如何建立能够描述这种现象的理论？
- 方法与思路
- 作者引入刻画小样本效应的数学模型，在该模型内比较精确最大似然、Whittle、条件似然及加窗 Whittle 估计。
- 材料陈述的贡献
- 摘要称精确最大似然在所建模型中仍具最优性，而普通 Whittle 与条件似然不具备；加窗版本具有相同的最优性性质。
- 阅读关注点
- 应核对谱峰如何进入渐近框架、最优性的具体准则，以及加窗方式和相关条件是否适合实际使用的时间序列模型。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供模型条件、证明和有限样本数值，不能将模型内的最优性推广到所有时间序列。
原文摘要
To estimate the parameters of a stationary process, Whittle (1953) introduced an approximation to the Gaussian likelihood function. Although the Whittle estimate is asymptotically efficient, the small sample behavior may be poor if the spectrum of the process contains peaks. We introduce a mathematical model that covers such small sample effects. We prove that the exact maximum likelihood estimate is still optimal in this model, whereas the Whittle estimate and the conditional likelihood estimate are not. Furthermore, we introduce tapered Whittle estimates and prove that these estimates have the same optimality properties as exact maximum likelihood estimates.