A Note on Autoregressive Modeling
关于自回归建模的一则讨论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：摘要研究向量自回归估计，并明确以脉冲响应和动态乘数分析作为方法选择的应用目标。
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
关于自回归建模的一则讨论
- 研究问题
- 对平稳过程拟合向量自回归近似时，Yule–Walker、最小二乘与 Burg 型估计的渐近性质如何影响方法选择？
- 方法与思路
- 作者比较三类自回归估计量并分析其平稳情形的渐近性质，同时简要讨论非平稳积分序列的处理思路。
- 材料陈述的贡献
- 摘要称，结合本文与既有文献结果，作者建议平稳序列采用 Burg 型估计，尤其在分析脉冲响应和动态乘数时。
- 阅读关注点
- 应核对三类估计量的定义、平稳过程与近似阶数条件，以及推荐 Burg 型方法所依赖的具体性质和比较标准。
- 阅读边界
- 所给 Crossref 摘要未列出支持推荐的具体结果或有限样本比较；不能将作者建议推广到非平稳模型或所有用途。
原文摘要
This paper addresses the problem of estimating vector autoregressive models. An approach to handling nonstationary (integrated) time series is briefly discussed, but the main emphasis is upon the estimation of autoregressive approximations to stationary processes. Three alternative estimators are considered–the Yule-Walker, least-squares, and Burg-type estimates–and a complete analysis of their asymptotic properties in the stationary case is given. The results obtained, when placed together with those found elsewhere in the literature, lead to the direct recommendation that the less familiar Burg-type estimator should be used in practice when modeling stationary series. This is particularly so when the underlying objective of the analysis is to investigate the interrelationships between variables of interest via impulse response functions and dynamic multipliers.