Subsampling for heteroskedastic time series
异方差时间序列的子抽样推断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：题名明确指向异方差时间序列，摘要研究依赖观测的子抽样分布近似，因此归入时间序列方法。
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…
异方差时间序列的子抽样推断
- 研究问题
- 在观测既存在依赖又存在异方差时，如何通过子抽样近似统计量的抽样分布，并构造有效的置信区间或置信域？
- 方法与思路
- 作者用较小数据子集上计算的统计量近似全样本统计量的分布，将已有平稳观测结果推广到异方差观测并讨论回归应用。
- 材料陈述的贡献
- 摘要称建立了较弱条件下的一般渐近有效性结果，并将其应用于误差同时具有依赖性和异方差的回归推断。
- 阅读关注点
- 应核对子集构造、子样本规模与标准化方式，以及所谓最低条件如何约束依赖和异方差，并检查与自助法比较的范围。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；最低条件的具体内容与有限样本表现未说明，对自助法的比较不能推广到所有变体或版本。
原文摘要
In this article, a general theory for the construction of confidence intervals or regions in the context of heteroskedastic-dependent data is presented. The basic idea is to approximate the sampling distribution of a statistic based on the values of the statistic computed over smaller subsets of the data. This method was first proposed by Politis and Romano (1994b) for stationary observations. We extend their results to heteroskedastic observations, and prove a general asymptotic validity result under minimal conditions. In contrast, the usual bootstrap and moving blocks bootstrap are typically valid only for asymptotically linear statistics and their justification requires a case-by-case analysis. Our general asymptotic results are applied to a regression setting with dependent heteroskedastic errors.