Correlograms for Non-Stationary Autoregressions
非平稳自回归过程的相关图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：摘要直接涉及自回归、非平稳性、自相关及相关图，明确对应时间序列方向。
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…
关注这篇论文的作者
非平稳自回归过程的相关图
- 研究问题
- 非平稳自回归时间序列中，基于自相关与基于缩放自协方差构造的相关图为何不同，这种差异会怎样影响判断？
- 方法与思路
- 作者比较两类相关图和偏相关图的计算方式，考察平稳与非平稳情形下的差异，并讨论混淆这些概念的推断后果。
- 材料陈述的贡献
- 摘要称两类图在平稳序列中近乎相同，在非平稳情形中可能明显不同；使用自相关可改善平稳与非平稳的区分。
- 阅读关注点
- 应核对两种计算定义、缩放与中心化方式、非平稳自回归设定，以及改善区分能力的论证和软件实现差异。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断差异的完整理论条件与数值表现；图形区分能力不能直接视为正式平稳性检验的误差保证。
原文摘要
Summary Analysis of time series often involves correlograms and partial correlograms as graphical descriptions of temporal dependence. Two methods are available for computing these statistics: one based on autocorrelations and the other on scaled autocovariances. For a stationary time series the resulting plots are nearly identical. When it comes to time series exhibiting non-stationary features these methods can lead to very different results. This has two consequences: incorrect inferences can be drawn when confusing these concepts; better discrimination between stationary and non-stationarity is achieved when using autocorrelations instead of, or along with, the autocovariances which are commonly used in statistical software.