Autocorrelation Test under Frequent Mean Shifts
频繁均值变动下的自相关检验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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究时间序列自相关检验，并以频繁均值变化作为核心非平稳结构。
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…
频繁均值变动下的自相关检验
- 研究问题
- 当时间序列的均值呈频繁变动的分段常数结构、难以事先去除非平稳成分时，如何可靠检验序列是否存在自相关？
- 方法与思路
- 作者提出针对频繁均值变动的推断框架及 Shift-Immune Portmanteau 检验，并以纳米孔测序数据说明方法应用。
- 材料陈述的贡献
- 摘要称所提 SIP 检验能够在均值变动存在时可靠检验自相关，为复杂均值结构下的时间序列诊断提供方法。
- 阅读关注点
- 应核对均值变动频率、幅度和间距的允许范围，误差依赖条件、检验统计量构造及零假设下临界值的获得方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核实；摘要未给出稳健性的具体条件或尺寸、功效结果，不能推及任意均值变化。
原文摘要
Testing for the presence of autocorrelation is a fundamental problem in time series analysis. Classical methods such as the Box-Pierce test rely on the assumption of stationarity, necessitating the removal of non-stationary components such as trends or shifts in the mean prior to application. However, this is not always practical, particularly when the mean structure is complex, such as being piecewise constant with frequent shifts. In this work, we propose a new inferential framework for autocorrelation in time series data under frequent mean shifts. In particular, we introduce a Shift-Immune Portmanteau (SIP) test that reliably tests for autocorrelation and is robust against mean shifts. We illustrate an application of our method to nanopore sequencing data.