VALIDITY OF THE SAMPLING WINDOW METHOD FOR LONG-RANGE DEPENDENT LINEAR PROCESSES
长程依赖线性过程下采样窗口法的有效性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：摘要明确研究长程依赖时间序列、线性过程及其均值的子抽样推断。
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
长程依赖线性过程下采样窗口法的有效性
- 研究问题
- 采样窗口子抽样法能否用于具有非高斯创新的长程依赖线性序列，并在未知创新分布和长记忆参数时推断均值？
- 方法与思路
- 作者将采样窗口法的有效性研究扩展到可能含非高斯创新的长程依赖线性过程，并以数值研究考察区间覆盖率。
- 材料陈述的贡献
- 摘要称，该子抽样法对这类线性过程仍然有效，均值置信区间不要求知晓创新分布或长记忆参数。
- 阅读关注点
- 应核对线性过程系数与创新的限制、窗口长度及标准化的选择，以及未知长记忆参数时区间构造的具体依据。
- 阅读边界
- 仅据所给出版社摘要，无法判断所覆盖过程类的完整条件和有限样本覆盖误差；结论不能扩展到所有长记忆过程。
原文摘要
The sampling window method of Hall, Jing, and Lahiri (1998, Statistica Sinica 8, 1189–1204) is known to consistently estimate the distribution of the sample mean for a class of long-range dependent processes, generated by transformations of Gaussian time series. This paper shows that the same nonparametric subsampling method is also valid for an entirely different category of long-range dependent series that are linear with possibly non-Gaussian innovations. For these strongly dependent time processes, subsampling confidence intervals allow inference on the process mean without knowledge of the underlying innovation distribution or the long-memory parameter. The finite-sample coverage accuracy of the subsampling method is examined through a numerical study.The authors thank two referees for comments and suggestions that greatly improved an earlier draft of the paper. This research was partially supported by U.S. National Science Foundation grants DMS 00-72571 and DMS 03-06574 and by the Deutsche Forschungsgemeinschaft (SFB 475).