Autoregressive wild bootstrap inference for nonparametric trends
非参数趋势推断的自回归野生自助法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：摘要研究带序列相关的平滑时间趋势及其置信带，直接对应时间序列推断；气候应用本身不构成宏观经济证据。
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…
非参数趋势推断的自回归野生自助法
- 研究问题
- 在缺失观测、序列相关和异方差并存时，如何为平滑确定性趋势构造逐点及同时置信带，并方便地处理气候数据？
- 方法与思路
- 作者提出自回归野生自助法，建立两类置信带的渐近有效性，开展有限样本模拟，并分析瑞士阿尔卑斯气象站的每日大气乙烷趋势。
- 材料陈述的贡献
- 摘要称方法易于实现，遇到缺失数据不需额外调整，理论允许一般缺失模式、序列相关和异方差，并给出气候应用。
- 阅读关注点
- 应核对一般缺失模式的精确限制、相关性与异方差条件、自回归自助参数选择，以及逐点和同时覆盖的差别。
- 阅读边界
- 仅据所给出版社摘要，不能把一般缺失模式理解为任意缺失机制均可处理；具体正则条件和有限样本覆盖表现未说明。
原文摘要
In this paper we propose an autoregressive wild bootstrap method to construct confidence bands around a smooth deterministic trend. The bootstrap method is easy to implement and does not require any adjustments in the presence of missing data, which makes it particularly suitable for climatological applications. We establish the asymptotic validity of the bootstrap method for both pointwise and simultaneous confidence bands under general conditions, allowing for general patterns of missing data, serial dependence and heteroskedasticity. The finite sample properties of the method are studied in a simulation study. We use the method to study the evolution of trends in daily measurements of atmospheric ethane obtained from a weather station in the Swiss Alps, where the method can easily deal with the many missing observations due to adverse weather conditions.