Least Squares Regression When the Independent Variable Follows an ARIMA Process
自变量服从 ARIMA 过程时的最小二乘回归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：摘要直接研究 ARIMA 自变量及自相关扰动下的回归渐近理论，因此归入时间序列。
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
自变量服从 ARIMA 过程时的最小二乘回归
- 研究问题
- 当自变量服从 ARIMA(p,1,q) 过程、回归扰动可能存在自相关时，普通与广义最小二乘斜率估计的渐近分布是否相同？
- 方法与思路
- 作者在含截距与单一自变量的回归模型中，分析普通最小二乘和广义最小二乘斜率估计量，并比较其渐近分布。
- 材料陈述的贡献
- 摘要称，在所讨论的模型下，两种斜率估计量具有相同的渐近分布；这一陈述针对斜率，不涉及全部回归参数。
- 阅读关注点
- 应核对自变量与扰动之间的关系、扰动过程的限制及渐近分布的归一化方式，并确认广义最小二乘如何实施。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体正则条件和有限样本表现未说明，不能推断后续刊本变化。
原文摘要
In the regression model yt = α + βxt + ut where the disturbances ut may be autocorrelated and xt follows an ARIMA(p, 1, q) process, it is shown that the asymptotic distributions of the ordinary and generalized least squares estimates of β are identical.