Characterization of the Partial Autocorrelation Function
偏自相关函数的刻画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：摘要明确讨论平稳时间序列、偏自相关函数及自回归结构，直接对应时间序列理论，但未给出特定宏观应用。
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
偏自相关函数的刻画
- 研究问题
- 哪些实数序列能够成为实值离散时间平稳序列的偏自相关函数，其尾部特征如何关联自回归结构与序列奇异性？
- 方法与思路
- 作者给出偏自相关序列的必要充分条件，讨论尾部取零或绝对值为一的情形，并在正态假定下构造似然函数。
- 材料陈述的贡献
- 摘要称建立偏自相关函数的完整可行性刻画，并联系自回归、齐次随机差分方程和奇异性，另提供正态模型似然。
- 阅读关注点
- 应核对边界值情况下后续偏自相关的定义和条件、奇异性的含义及判据，以及正态似然的参数空间和退化情形。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；边界条件及奇异性判据须查原文确认，不能将摘要表达直接用于公式推导。
原文摘要
The conditions $|\phi_k| \leqq 1$ for all $k = 1,2, \cdots$ and $|\phi_k| = 1$ implies $\phi_{k+1} = \phi_k$ are both necessary and sufficient for a sequence of real numbers $\{\phi_k; k = 1,2, \cdots\}$ to be the partial autocorrelation function for a real, discrete parameter, stationary time series. If all partial autocorrelations beyond the $p$th are zero, the series is an autoregression. If all beyond the $p$th have magnitude unity, the series satisfies a homogeneous stochastic difference equation. A stationary series is singular if and only if $\sum^N_1 \phi_k^2$ diverges with $N$. The likelihood function for the partial autocorrelation function is produced, assuming normality.