Testing for Trends in High-Dimensional Time Series
高维时间序列的趋势检验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：摘要直接研究高维时间序列的趋势估计与模式检验，因此归入时间序列。
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
高维时间序列的趋势检验
- 研究问题
- 当多条时间序列具有随时间变化的趋势时，如何检验这些趋势是否符合线性、二次或平行等指定模式？
- 方法与思路
- 作者比较参数与非参数趋势估计，基于修正的平方距离构造去对角化二次型统计量，并提出高斯乘子检验程序。
- 材料陈述的贡献
- 摘要称建立了检验统计量的渐近理论，高斯乘子程序改善了有限样本表现，并以模拟和美国多地温度数据展示方法。
- 阅读关注点
- 核对时间与横截面依赖条件、维度增长限制、趋势估计的平滑参数，以及乘子程序如何逼近统计量的零假设分布。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明依赖条件、维度增长速率及改善幅度，不能推断刊本变化。
原文摘要
The article considers statistical inference for trends of high-dimensional time series. Based on a modified L2 distance between parametric and nonparametric trend estimators, we propose a de-diagonalized quadratic form test statistic for testing patterns on trends, such as linear, quadratic, or parallel forms. We develop an asymptotic theory for the test statistic. A Gaussian multiplier testing procedure is proposed and it has an improved finite sample performance. Our testing procedure is applied to a spatial temporal temperature data gathered from various locations across America. A simulation study is also presented to illustrate the performance of our testing method. Supplementary materials for this article are available online.