Time Series Model Specification in the Presence of Outliers
存在异常值时的时间序列模型设定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模型识别、异常值处理和扩展样本自相关函数，直接对应时间序列。
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
存在异常值时的时间序列模型设定
- 研究问题
- 异常值可能严重影响时间序列的模型识别统计量；如何在识别异常值并消除其影响的同时，确定底层过程的初步模型？
- 方法与思路
- 作者提出迭代程序，将异常值识别与影响消除同模型设定结合，方法以既有迭代估计程序和扩展样本自相关函数为基础。
- 材料陈述的贡献
- 摘要称，论文给出了联合处理异常值与初步模型识别的程序，提供一个示例，并讨论所提程序的性质。
- 阅读关注点
- 应核对可处理的异常值类型、检测标准、迭代停止规则及模型选择步骤，并查看异常值处理是否影响识别统计量。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；程序细节、性质的具体结论及示例结果未说明，不能推断刊本变化。
原文摘要
Outliers are commonplace in data analysis. Time series analysis is no exception. Noting that the effect of outliers on model identification statistics could be serious, this article is concerned with the problem of time series model specification in the presence of outliers. An iterative procedure is proposed to identify the outliers, to remove their effects, and to specify a tentative model for the underlying process. The procedure is essentially based on the iterative estimation procedure of Chang and Tiao (1983) and the extended sample autocorrelation function (ESACF) model identification method of Tsay and Tiao (1984). An example is given. Properties of the proposed procedure are discussed.