A Simple Noniterative Estimator for Moving Average Models
移动平均模型的简单非迭代估计量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：摘要明确研究移动平均过程及其自回归近似，直接属于时间序列模型估计。
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…
移动平均模型的简单非迭代估计量
- 研究问题
- 能否从近似自回归模型的系数直接估计一般移动平均过程的参数，并明确简单计算与估计性能之间的权衡？
- 方法与思路
- 作者由近似自回归系数构造非最大似然、非迭代估计量，通过渐近展开与模拟同最大似然及 Durbin 方法比较。
- 材料陈述的贡献
- 摘要称模拟提示该简单估计量在一些情形下可能适用，同时承认最大似然在正确设定的低阶模型中具有优势。
- 阅读关注点
- 核对自回归近似的阶数选择、移动平均过程的条件、渐近展开的误差，以及模拟中不同模型设定下的表现。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；未给出具体适用情形或数值比较，不能据此声称该估计量普遍优于最大似然。
原文摘要
We examine a simple noniterative estimator for the parameters of a general moving average process. This non-maximum-likelihood estimator derives moving average model parameters directly from the coefficients of an approximating autoregressive model. The estimator is evaluated through asymptotic expansions and by simulation, and is also compared with maximum likelihood and the related estimator of Durbin (1959). The comparison with maximum likelihood by simulation suggests a variety of circumstances in which the simpler estimator may be appropriate despite the advantage of maximum likelihood for properly-specified low-order models.