Mirror-Image and Invariant Distributions in ARMA Models
ARMA 模型中的镜像与不变分布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：摘要明确研究 ARMA 时间序列估计量、检验统计量及谱密度的分布性质，属于时间序列方向。
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…
ARMA 模型中的镜像与不变分布
- 研究问题
- ARMA 估计量与检验统计量的有限样本分布是否存在镜像不变性或对称性，从而减少需要模拟或数值积分的参数区域？
- 方法与思路
- 作者研究不含截距的 ARMA 模型中最小二乘、最大似然估计及多类检验统计量的分布变换，并扩展到误设模型和谱密度。
- 材料陈述的贡献
- 摘要称，相关估计量及 F、t、似然比、Wald 和 LM 统计量具有某些镜像不变或对称性质，可帮助简化分布研究。
- 阅读关注点
- 应核对参数空间的镜像映射、统计量对应的具体分布关系、不含截距限制，以及误设模型扩展需要哪些额外条件。
- 阅读边界
- 仅据所给 Crossref 摘要，不能认为论文给出了完整有限样本分布；对称性的具体条件及含截距情形未说明。
原文摘要
The finite sample distributions of estimators and test statistics in ARMA time series models are generally unknown. For typical sample sizes, the approximations provided by asymptotic distributions are often unsatisfactory. Hence simulation or numerical integration methods are used to investigate the distributions. In practice only a limited part of the parameter space is examined using these methods. Thus any results which allow us to infer properties from one portion of the parameter space to another or to establish symmetry are most welcome. For the ARMA model estimated with no intercept term, we show that the least-squares and maximum likelihood estimators have mirror-image invariant or symmetric distributions. The F, t , likelihood ratio, Wald, and Lagrange multiplier statistics are also shown to have distributions with certain mirror-image invariant or symmetry properties. The analysis is extended to misspecified models as well as to ARMA spectral densities. These properties would have been helpful in either simplifying or extending much earlier work in this area.