Efficient Estimation of Auto-Regression Parameters and Innovation Distributions for Semiparametric Integer-Valued AR( p ) Models
半参数整数值 AR(p) 模型的自回归参数与创新分布有效估计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：摘要直接研究整数值自回归过程的动态系数与创新分布估计，属于时间序列分析。
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…
半参数整数值 AR(p) 模型的自回归参数与创新分布有效估计
- 研究问题
- 对随时间演化的非负整数数据，如何在不预设创新分布参数族的整数值自回归模型中，同时有效估计系数和创新分布？
- 方法与思路
- 作者以半参数 INAR(p) 模型替代预先指定创新分布族的参数模型，联合估计自回归系数与非负整数上的创新分布。
- 材料陈述的贡献
- 摘要称，论文为自回归参数和创新分布均提供达到半参数效率的估计量，从而放宽传统参数模型对创新分布的限制。
- 阅读关注点
- 应核对模型定义、创新分布实际允许的范围、效率界和估计量构造，以及平稳性、矩条件等要求是否出现在全文中。
- 阅读边界
- 仅据 Crossref 摘要；效率结论的正则条件、估计步骤与有限样本表现未说明，“基本不限制”不能解释为无条件覆盖所有分布。
原文摘要
Summary Integer-valued auto-regressive (INAR) processes have been introduced to model non-negative integer-valued phenomena that evolve over time. The distribution of an INAR(p) process is essentially described by two parameters: a vector of auto-regression coefficients and a probability distribution on the non-negative integers, called an immigration or innovation distribution. Traditionally, parametric models are considered where the innovation distribution is assumed to belong to a parametric family. The paper instead considers a more realistic semiparametric INAR(p) model where there are essentially no restrictions on the innovation distribution. We provide an (semiparametrically) efficient estimator of both the auto-regression parameters and the innovation distribution.