On Consistency in Time Series Analysis
时间序列分析中的一致性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：摘要明确研究时间序列统计量在序列依赖和非平稳情形下的收敛，并应用于回归估计，直接支持时间序列分类。
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
时间序列分析中的一致性
- 研究问题
- 对于可表示为离散随机过程部分实现之和的时间序列统计量，序列依赖和非平稳性下何时仍能获得收敛性质？
- 方法与思路
- 作者在不同矩条件下研究此类统计量的几乎处处收敛及 p 大于一时的 Lp 收敛，并将理论应用于多元回归最小二乘估计。
- 材料陈述的贡献
- 摘要称得到允许序列依赖和非平稳过程的收敛结果，并展示这些结果如何用于分析多元回归最小二乘估计的一致性。
- 阅读关注点
- 阅读全文时应核对统计量表示与归一化方式、矩条件及依赖限制，以及一般收敛结果应用到回归估计所需的额外条件。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；具体矩条件、归一化和回归条件未列出，不能据此认定任意依赖或非平稳序列都满足一致性。
原文摘要
A number of statistics that arise in time series analysis can be represented as the sum of a partial realization of a possibly serially dependent and nonstationary discrete-parameter stochastic process. The almost sure and $L_p, p > 1$, convergence of such statistics is investigated, under various moment conditions. The results are applied to the least squares estimates of multiple regressions.