Robust Interval Estimation of the Innovation Variance of an Arma Model
ARMA 模型新息方差的稳健区间估计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：摘要直接研究 ARMA 时间序列模型的新息方差区间估计。
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
ARMA 模型新息方差的稳健区间估计
- 研究问题
- ARMA 时间序列的新息不服从正态分布时，如何替代对非正态性不稳健的正态理论方差置信区间方法？
- 方法与思路
- 作者提出标准误法、类似 Box 数据分割的方法和刀切法三种技术，并分别推导这些方法在大样本下的分布。
- 材料陈述的贡献
- 摘要称三种方法具有渐近稳健性，为非正态 ARMA 新息方差的区间估计提供替代方案，并给出相应大样本理论。
- 阅读关注点
- 应核对稳健性的确切含义、新息分布与矩条件、ARMA 参数估计的影响，以及三种方法的区间构造和适用差异。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明具体矩条件或覆盖率表现，不能把渐近稳健性解释为任意非正态分布下均有效。
原文摘要
For the autoregressive-moving average time series model, the normal theory procedure for setting confidence intervals for the error variance is not robust against nonnormality. This paper proposes three asymptotically robust techniques: they are a "standard-error" procedure, an analog of Box's simple data splitting technique, and the jackknife procedure. The large sample distribution of each of these techniques is derived.