Bootstrapping p Values and Power in the First-Order Autoregression: A Monte Carlo Investigation
一阶自回归中 p 值与检验力的自助法估计：蒙特卡洛研究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：摘要明确围绕平稳一阶自回归过程、斜率参数检验及其有限样本分布展开，直接对应时间序列分析这一细分方向。
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
一阶自回归中 p 值与检验力的自助法估计：蒙特卡洛研究
- 研究问题
- 研究在平稳一阶自回归模型的小样本中，bootstrap 能否准确估计斜率参数检验的 p 值和检验力，并与 Student-t 近似比较。
- 方法与思路
- 作者用蒙特卡洛方法考察斜率参数常用检验统计量的分布，比较 bootstrap 与 Student-t 近似对 p 值及检验力的估计。
- 材料陈述的贡献
- 摘要的模拟结果提示，相较 Student-t 近似，bootstrap 在所考察设计中，即使样本量仅为 5–10，也能较准确估计 p 值和检验力。
- 阅读关注点
- 阅读全文时应核对重抽样方案、平稳参数取值、初始观测的处理，以及 p 值和检验力的误差如何衡量、随样本规模如何变化。
- 阅读边界
- 摘要未说明 bootstrap 的具体构造、参数网格或准确性的衡量标准；结论针对平稳一阶模型，不能据此推及近单位根或更复杂过程。
原文摘要
The small-sample behavior of the bootstrap is investigated as a method for estimating p values and power in the stationary first-order autoregressive model. Monte Carlo methods are used to examine the bootstrap and Student-t approximations to the true distribution of the test statistic frequently used for testing hypotheses on the underlying slope parameter. In contrast to Student's t, the results suggest that the bootstrap can accurately estimate p values and power in this model in sample sizes as small as 5-10.