Entropy testing for nonlinear serial dependence in time series
时间序列非线性序列依赖的熵检验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：摘要明确研究时间序列中的线性与非线性序列依赖及滞后检验。
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…
时间序列非线性序列依赖的熵检验
- 研究问题
- 允许时间序列存在一般线性依赖时，如何检验额外的非线性序列依赖，并识别哪些滞后具有显著非线性关系？
- 方法与思路
- 作者结合熵依赖度量、扩展的替代数据方法与平滑筛自助法，构造以一般线性依赖为零假设的非线性检验。
- 材料陈述的贡献
- 摘要称，方法具备渐近有效性，原则上可定位非线性关系的滞后，并通过模拟及不同真实数据应用考察尺寸与功效。
- 阅读关注点
- 阅读全文时应核对线性零假设的模型范围、熵统计量估计与自助校准条件，以及逐滞后推断是否处理多重比较。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明完整依赖条件、滞后选择或模拟结果数值。
原文摘要
We propose tests for nonlinear serial dependence in time series under the null hypothesis of general linear dependence, in contrast to the more widely studied null hypothesis of independence. The approach is based on combining an entropy dependence metric, which possesses many desirable properties and is used as a test statistic, with a suitable extension of surrogate data methods, a class of Monte Carlo distribution-free tests for nonlinearity, and a smoothed sieve bootstrap scheme. We show how, in the same way as the autocorrelation function is used for linear models, our tests can in principle be employed to detect the lags at which a significant nonlinear relationship is present. We prove the asymptotic validity of the proposed procedures and the corresponding inferences. The small-sample performance of the tests in terms of power and size is assessed through a simulation study. Applications to real datasets of different kinds are also presented.