Inference of Trends in Time Series
时间序列趋势的统计推断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：摘要直接研究均值非平稳时间序列的趋势推断及趋势结构断点检验。
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
时间序列趋势的统计推断
- 研究问题
- 对于均值非平稳的时间序列，如何检验趋势中的结构断点，并为整条趋势构造具有正确渐近覆盖率的同时置信带？
- 方法与思路
- 作者提出趋势结构断点检验统计量，基于平稳过程的强不变原理构造同时置信带，并应用于温度与尼罗河流量数据。
- 材料陈述的贡献
- 摘要称置信带具有渐近正确的名义覆盖率，其全球温度应用支持所分析的过去一百五十年趋势上升的判断。
- 阅读关注点
- 应核对趋势和随机误差的分解、强不变原理所需条件、断点检验构造，以及置信带如何支持文中的趋势判断。
- 阅读边界
- 仅据所给Crossref摘要；未说明数据处理、依赖条件和带宽等实现细节，历史温度应用不构成对未来趋势或成因的判断。
原文摘要
Summary We consider statistical inference of trends in mean non-stationary models. A test statistic is proposed for the existence of structural breaks in trends. On the basis of a strong invariance principle of stationary processes, we construct simultaneous confidence bands with asymptotically correct nominal coverage probabilities. The results are applied to global warming temperature data and Nile river flow data. Our confidence band of the trend of the global warming temperature series supports the claim that the trend is increasing over the last 150 years.