Determining the Order of Differencing in Autoregressive Processes
自回归过程差分阶数的确定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：题名与摘要均讨论自回归序列的非平稳性、单位根检验及差分阶数选择，因此归入时间序列方向。
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
自回归过程差分阶数的确定
- 研究问题
- 当自回归时间序列可能需要多次差分才能平稳时，怎样用统计检验决定差分阶数，而不预先假定再差分一次就足够？
- 方法与思路
- 摘要称，作者用一套按适当顺序实施的统计检验判断是否仍需差分，以应对可能需要高阶差分的自回归过程；具体步骤未说明。
- 材料陈述的贡献
- 作者提出可处理较高差分阶数的一套检验序列，并强调其顺序不同于从检验单个单位根开始的传统做法。
- 阅读关注点
- 应核对检验的起点与先后顺序、各步原假设及停止规则，并检查高阶差分下的适用条件、检验误差和阶数选择表现。
- 阅读边界
- 仅据摘要不能确定具体统计量、临界值或最大允许差分阶数，也无法评价有限样本表现及对不同非平稳来源的适用性。
原文摘要
One way of handling nonstationarity in time series is to compute first differences and fit a model to the differenced series unless the differenced series also looks nonstationary. In that case, second- or higher-order differencing is done. To decide if the current degree of differencing is sufficient, one can look at the autocorrelation function for slow decay. A formal statistical test for the need to difference further is available if one is willing to assume that at most one more difference will render the series stationary. In this article, we present a proper sequence of statistical tests that allows the practitioner to handle cases in which a high order of differencing may be needed. The proper sequence is not the traditional sequence, which begins with a test for a single unit root.