Consistency Properties of Least Squares Estimates of Autoregressive Parameters in ARMA Models
ARMA 模型中自回归参数最小二乘估计的一致性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：摘要明确研究平稳及非平稳 ARMA 时间序列的自回归拟合。
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
ARMA 模型中自回归参数最小二乘估计的一致性
- 研究问题
- 对来自平稳或非平稳 ARMA 模型的时间序列进行自回归拟合时，哪些拟合阶数能得到一致估计，其他阶数会产生何种偏差？
- 方法与思路
- 作者统一分析普通最小二乘自回归拟合的一致性，确定给定模型下适合的阶数，并研究其他拟合的概率极限。
- 材料陈述的贡献
- 摘要称统一处理平稳与非平稳情形，刻画产生一致估计的自回归阶数，并利用其余估计的极限值描述偏差。
- 阅读关注点
- 应核对被估计参数的具体目标、平稳与非平稳根的条件，以及拟合阶数如何决定一致性和极限偏差的形式。
- 阅读边界
- OpenAlex 索引摘要未注明版本，未给阶数判据及完整条件；不能据此认为任意 AR 拟合都能一致恢复 ARMA 参数。
原文摘要
A unified treatment of the consistency properties of the ordinary least squares estimates in an autoregressive fitting of time series from nonstationary or stationary autoregressive moving average models is given. For a given model, the orders of autoregressions which produce consistent estimates are obtained and the limiting values, hence the biases, of the estimates of other autoregressions are investigated.