Multi-scale tests for serial correlation
序列相关的多尺度检验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：摘要研究随机过程的序列相关、小波频率分解和联合时间序列检验。
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…
关注这篇论文的作者
序列相关的多尺度检验
- 研究问题
- 如何在允许依赖的环境中，利用不同频率尺度的方差信息检验无序列相关，并形成可联合分析的一组综合检验？
- 方法与思路
- 作者用小波变换将过程方差分解为低频和高频分量，构造方差比检验，并迭代分解以生成不同滤波器对应的检验族。
- 材料陈述的贡献
- 摘要称，该检验族的联合原假设极限分布为多元正态，并通过蒙特卡洛模拟展示所提检验的尺寸与功效性质。
- 阅读关注点
- 应核对无序列相关与允许依赖的区别、小波滤波器和分解层数的选择，以及联合统计量的协方差估计与检验实施。
- 阅读边界
- 仅据所给出版社摘要，无法判断允许的依赖类型、尺度选择规则和相对既有检验的改善幅度；也不能推断其他版本变化。
原文摘要
This paper introduces a new family of portmanteau tests for serial correlation. Using the wavelet transform, we decompose the variance of the underlying process into the variance of its low frequency and of its high frequency components and we design a variance ratio test of no serial correlation in the presence of dependence. Such decomposition can be carried out iteratively, each wavelet filter leading to a rich family of tests whose joint limiting null distribution is a multivariate normal. We illustrate the size and power properties of the proposed tests through Monte Carlo simulations.