Quasi-Likelihood Estimation of a Censored Autoregressive Model With Exogenous Variables
含外生变量的删失自回归模型的拟似然估计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：摘要明确研究含外生变量的删失自回归模型，方法属于时间序列建模，所给实证场景为河流水质。
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
含外生变量的删失自回归模型的拟似然估计
- 研究问题
- 含外生变量的自回归数据存在删失时，如何避免条件似然计算随删失程度上升而迅速变得难以处理？
- 方法与思路
- 作者在完整与不完整数据框架下，以无删失数据的得分向量为依据构造无偏估计方程，形成拟似然估计方法。
- 材料陈述的贡献
- 摘要称该方法在无删失时退化为最大似然估计，具有计算效率，并在正则条件下满足一致性与渐近正态性。
- 阅读关注点
- 应核对删失机制、模型误差分布与外生性要求，估计方程的无偏性来源，以及计算复杂度和渐近理论的适用范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未具体说明所谓温和正则条件或效率比较，河流水质应用也不代表宏观实证。
原文摘要
Maximum likelihood estimation of a censored autoregressive model with exogenous variables (CARX) requires computing the conditional likelihood of blocks of data of variable dimensions. As the random block dimension generally increases with the censoring rate, maximum likelihood estimation becomes quickly numerically intractable with increasing censoring. We introduce a new estimation approach using the complete-incomplete data framework with the complete data comprising the observations were there no censoring. We introduce a system of unbiased estimating equations motivated by the complete-data score vector, for estimating a CARX model. The proposed quasi-likelihood method reduces to maximum likelihood estimation when there is no censoring, and it is computationally efficient. We derive the consistency and asymptotic normality of the quasi-likelihood estimator, under mild regularity conditions. We illustrate the efficacy of the proposed method by simulations and a real application on phosphorus concentration in river water.