Minimum Mean Squared Error Estimation of the Noise in Unobserved Component Models
不可观测成分模型中噪声的最小均方误差估计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：摘要分析不可观测成分模型中的噪声序列、自相关和短序列诊断，研究方法直接对应时间序列建模与诊断方向。
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
不可观测成分模型中噪声的最小均方误差估计
- 研究问题
- 不可观测成分模型中，噪声成分的最小均方误差估计为何不同于白噪声，其方差与自相关又会呈现什么特征？
- 方法与思路
- 作者分析估计得到的噪声序列的方差和自相关特征，并在一个应用中考察其样本自相关函数作为诊断工具的表现。
- 材料陈述的贡献
- 摘要称，估计噪声的方差被低估，且噪声方差越小越严重；小方差噪声的估计具有较大自相关，应用中样本自相关函数有诊断价值。
- 阅读关注点
- 应核对噪声估计与真实成分的区分、方差低估的度量及成立条件，并检查样本自相关诊断在短序列中的判据与可靠性。
- 阅读边界
- 摘要未交代模型结构、参数是否已知、低估程度的定义及应用细节；所称诊断表现良好不能直接推广到所有短时间序列。
原文摘要
In model-based estimation of unobserved components, the minimum mean squared error estimator of the noise component is different from white noise. In this article, some of the differences are analyzed. It is seen how the variance of the component is always underestimated, and the smaller the noise variance, the larger the underestimation. Estimators of small-variance noise components will also have large autocorrelations. Finally, in the context of an application, the sample autocorrelation function of the estimated noise is seen to perform well as a diagnostic tool, even when the variance is small and the series is of relatively short length.