The modified conditional sum-of-squares estimator for fractionally integrated models
分数阶单整模型的修正条件平方和估计量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：摘要明确研究分数阶单整 ARFIMA 时间序列的估计偏差，并应用于 GNP 等经典时间序列，属于时间序列方向。
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
分数阶单整模型的修正条件平方和估计量
- 研究问题
- 平稳或非平稳的第二类 ARFIMA 模型中，估计常数项如何影响条件平方和估计的偏差，能否通过修改目标函数消除主导项？
- 方法与思路
- 作者推导条件平方和估计量的偏差表达，简单修改目标函数构造 MCSS，并通过理论、模拟和三个经典短时间序列评估。
- 材料陈述的贡献
- 摘要称，修正能够去除偏差的主导项；理论和模拟显示相对原条件平方和方法明显改善，即使样本量较小也如此。
- 阅读关注点
- 应核对第二类 ARFIMA 的初始化与参数范围、偏差展开和修正项形式，以及常数项估计对平稳及非平稳情形的不同影响。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，未核对全文或其他版本；偏差公式和改善数值未说明，去除主导项不意味着完全无偏。
原文摘要
In this paper, we analyse the influence of estimating a constant term on the bias of the conditional sum-of-squares (CSS) estimator in a stationary or non-stationary type-II ARFIMA (p1, d, p2) model. We derive expressions for the estimator’s bias and show that the leading term can be easily removed by a simple modification of the CSS objective function. We call this new estimator the modified conditional sum-of-squares (MCSS) estimator. We show theoretically and by means of Monte Carlo simulations that its performance relative to that of the CSS estimator is markedly improved even for small sample sizes. Finally, we revisit three classical short datasets that have in the past been described by ARFIMA(p1, d, p2) models with constant term, namely the post-second World War real GNP data, the extended Nelson-Plosser data, and the Nile data.