Local linear quantile estimation for nonstationary time series
非平稳时间序列的局部线性分位数估计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：摘要明确结合非平稳时间序列与局部线性分位数曲线估计，分别对应时间序列及分位数与分布方法方向。
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
非平稳时间序列的局部线性分位数估计
- 研究问题
- 对于一类非平稳且具有短程依赖的过程，如何估计随时间变化的分位数曲线，并用于研究气候变异性的变化？
- 方法与思路
- 作者采用局部线性分位数估计，在短程依赖条件下建立一致性和中心极限定理，并将结果应用于环境数据。
- 材料陈述的贡献
- 摘要称，文章为非平稳过程的分位数曲线提供渐近理论，并指出这些结果可用于研究气候变异性是否发生变化。
- 阅读关注点
- 应核对非平稳过程类别、短程依赖与带宽条件，以及分位数曲线估计如何支持有关气候变异性变化的统计判断。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未报告环境数据的具体结果，不能据此认定气候变异性已经变化。
原文摘要
We consider estimation of quantile curves for a general class of nonstationary processes. Consistency and central limit results are obtained for local linear quantile estimates under a mild short-range dependence condition. Our results are applied to environmental data sets. In particular, our results can be used to address the problem of whether climate variability has changed, an important problem raised by IPCC (Intergovernmental Panel on Climate Change) in 2001.