Robust Estimation of the First-Order Autoregressive Parameter
一阶自回归参数的稳健估计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：摘要明确研究一阶自回归时间序列的参数估计，以及创新异常和观测异常对该估计的影响。
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
一阶自回归参数的稳健估计
- 研究问题
- 时间序列中的创新异常与观测异常会影响自回归参数估计，如何在一阶模型中同时应对这两类偏离？
- 方法与思路
- 作者分别考虑IO与AO两类异常模型，并提出广义M估计量；摘要中的序列符号不完整，模型细节须查原PDF。
- 材料陈述的贡献
- 摘要称，所提广义M估计对IO与AO类型的高斯模型偏离具有良好的均方误差稳健性，但未给出具体比较数值。
- 阅读关注点
- 应核对原PDF中的序列和误差定义、异常进入方式、估计方程，以及均方误差稳健性结论的适用条件。
- 阅读边界
- 依据版本未注明的OpenAlex索引摘要；变量符号提取不完整，不能重构模型公式；稳健性范围与数值结果未说明。
原文摘要
Outliers in time series can adversely affect both the least squares estimates and ordinary M-estimates of autoregressive parameters. Attention is focused here on obtaining robust estimates of the parameter for a first-order autoregressive time series xk The observations are y k = z k + v k, and two models are considered: Model IO, with v k ≡ 0, x k possibly non-Gaussian, and Model AO, with v k nonzero and possibly quite large a small fraction of the time, and x k Gaussian. A class of generalized M-estimates is proposed which has attractive mean-squared-error robustness properties towards both IO and AO type deviations from the Gaussian model.