Minimum Distance Estimation and Goodness-of-Fit Tests in First-Order Autoregression
一阶自回归中的最小距离估计与拟合优度检验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：摘要直接研究一阶自回归参数估计及其误差分布检验。
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
一阶自回归中的最小距离估计与拟合优度检验
- 研究问题
- 在误差分布未知但对称的一阶自回归模型中，如何估计自回归参数，并检验误差对称性或指定分布？
- 方法与思路
- 作者构造一类最小 L2 距离估计量，给出其中的渐近有效估计量，并讨论针对误差分布的拟合优度检验。
- 材料陈述的贡献
- 摘要称，相对最小二乘的渐近效率可对应到位置模型中某符号秩估计量相对样本均值的效率关系。
- 阅读关注点
- 应核对距离准则、时间序列与误差条件、有效性的参照界限，以及效率对应关系和检验统计量的具体形式。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未给出距离公式、渐近条件或具体效率值，不能判断其在各类误差下的优势。
原文摘要
This paper gives a class of minimum $L_2$-distance estimators of the autoregression parameter in the first-order autoregression model when the errors have an unknown symmetric distribution. Within the class an asymptotically efficient estimator is exhibited. The asymptotic efficiency of this estimator relative to the least-squares estimator is the same as that of a certain signed rank estimator relative to the sample mean in the one sample location model. The paper also discusses goodness-of-fit tests for testing for symmetry and for a specified error distribution.