Positive Time Series Regression Models
正值时间序列回归模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确提出正值序列的动态 ARMA 型回归模型，直接对应时间序列方法；未指定宏观应用，也未突出独立的预测贡献。
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…
正值时间序列回归模型
- 研究问题
- 对于取值严格为正的时间序列，如何建立包含外生回归变量的动态均值模型，并开展参数估计、检验、诊断与预测？
- 方法与思路
- 作者提出 ARMA 型动态回归模型，条件均值结构包含自回归项、移动平均项、时变回归变量、未知参数和连接函数。
- 材料陈述的贡献
- 摘要介绍一类正值时间序列模型，并讨论部分最大似然估计、假设检验、诊断分析和预测，未具体报告应用或性能比较。
- 阅读关注点
- 应核对条件分布与连接函数选择、正值约束、动态稳定性、部分似然推断的条件，以及诊断和预测如何具体实施。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明分布族、渐近条件和经验结果，不能判断具体场景的适用性。
原文摘要
In this paper we discuss dynamic ARMA-type regression models for time series taking values in $(0,\infty)$. In the proposed model, the conditional mean is modeled by a dynamic structure containing autoregressive and moving average terms, time-varying regressors, unknown parameters and link functions. We introduce the new class of models and discuss partial maximum likelihood estimation, hypothesis testing inference, diagnostic analysis and forecasting.