Robust and Consistent Estimates of Autoregressive-Moving Average Parameters
自回归移动平均参数的稳健一致估计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：摘要直接研究自回归移动平均模型的参数估计，属于时间序列方法。
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
自回归移动平均参数的稳健一致估计
- 研究问题
- 如何估计自回归移动平均模型参数，使估计在名义高斯模型下保持一致，同时降低数据中异常值对估计结果的影响？
- 方法与思路
- 作者提出可视为 r 阶最大似然估计稳健版本的估计方法；在纯自回归模型中，该方法退化为广义 M 估计的一个特例。
- 材料陈述的贡献
- 摘要将高斯模型下的一致性与异常值不敏感性列为共同目标，并指出所提方法与稳健最大似然及广义 M 估计之间的关系。
- 阅读关注点
- 应核对 r 阶估计的具体定义、高斯一致性的条件、异常值污染模型，以及稳健性是如何定义、证明和评估的。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明具体证明、稳健性指标或实验结果，不能推断对任意异常值均不敏感。
原文摘要
We aim at estimates of autoregressive-moving average parameters which are simultaneously consistent at the nominal Gaussian model and insensitive to outliers in the data. The estimates may be viewed as a robust version of maximum likelihood estimates of order r and, for purely autoregressive models, reduce to a special case of generalized M-estimates.