A nonstandard empirical likelihood for time series
时间序列的一种非标准经验似然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：摘要明确针对平稳弱依赖时间序列的经验似然和置信区域构造。
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…
时间序列的一种非标准经验似然
- 研究问题
- 平稳弱依赖时间序列的分块经验似然需要选择固定块长，如何避免这一调参环节并改善置信区域的覆盖表现？
- 方法与思路
- 作者采用包含每一种可能块长的非标准分块规则，并建立对数比统计量的非标准极限分布，用模拟校准置信区域。
- 材料陈述的贡献
- 摘要称极限分布虽非通常的卡方分布，但具有分布无关性；数值研究显示覆盖准确性通常优于标准分块经验似然。
- 阅读关注点
- 应核对分块规则、弱依赖及矩条件、适用的均值或光滑函数参数，以及极限分布模拟校准和覆盖比较的设定。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未说明具体正则条件和模拟结果，分布无关性及覆盖改善均不能脱离其适用条件。
原文摘要
Standard blockwise empirical likelihood (BEL) for stationary, weakly dependent time series requires specifying a fixed block length as a tuning parameter for setting confidence regions. This aspect can be difficult and impacts coverage accuracy. As an alternative, this paper proposes a new version of BEL based on a simple, though nonstandard, data-blocking rule which uses a data block of every possible length. Consequently, the method does not involve the usual block selection issues and is also anticipated to exhibit better coverage performance. Its nonstandard blocking scheme, however, induces nonstandard asymptotics and requires a significantly different development compared to standard BEL. We establish the large-sample distribution of log-ratio statistics from the new BEL method for calibrating confidence regions for mean or smooth function parameters of time series. This limit law is not the usual chi-square one, but is distribution-free and can be reproduced through straightforward simulations. Numerical studies indicate that the proposed method generally exhibits better coverage accuracy than standard BEL.