Properties of Predictors in Misspecified Autoregressive Time Series Models
误设自回归时间序列模型中预测量的性质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：摘要明确分析 AR 与 ARMA 时间序列模型误设，并推导多步预测均方误差，直接涉及时间序列预测。
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
误设自回归时间序列模型中预测量的性质
- 研究问题
- 当真实平稳线性过程可能为 ARMA，而拟合有限阶 AR 模型时，模型误设、估计与预测的依赖及非正态性如何影响误差？
- 方法与思路
- 作者在时域推导最小二乘估计的偏差、均方误差及多步预测均方误差，允许估计与预测过程相关且过程非高斯。
- 材料陈述的贡献
- 摘要称，相较此前研究，分析不要求估计过程与预测过程独立，也不要求高斯分布，并考察两项放宽对误设预测的影响。
- 阅读关注点
- 应核对平稳性与矩条件、AR 阶数和预测步长的处理，以及依赖和非正态性如何进入偏差与预测均方误差的表达。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出公式条件或影响方向，不能判断模型误设在何种情形下危害更大。
原文摘要
This article investigates major effects of misspecification in stationary linear time series models when we fit a pth-order autoregressive model. The true model can be an autoregressive moving average model. We derive the formulas of bias and mean squared error (MSE) of the least squares estimator and the hth period ahead prediction MSE in the time domain. Contrary to previous studies, the process in estimation is not necessarily independent of the process in prediction, and the distribution of process is not necessarily Gaussian. We examine the effects of this dependence and nonnormality on prediction in misspecified models.