The identification of ARMA models
ARMA模型的阶数识别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：摘要明确以ARMA模型的阶数判定为研究对象，直接属于时间序列模型选择，而未涉及结构冲击识别。
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…
ARMA模型的阶数识别
- 研究问题
- 在观测数量较少时，如何确定ARMA模型的自回归与移动平均阶数，并检验所提出阶数选择程序的实际表现？
- 方法与思路
- 作者提出结合自回归阶数判定准则与线性估计方法的ARMA阶数识别程序，并使用模拟数据展示其能力。
- 材料陈述的贡献
- 摘要称提出一种适用于小样本的ARMA阶数判定方法，并给出模拟展示；未报告选阶准确率或相对其他方法的优势幅度。
- 阅读关注点
- 应核对自回归选阶准则的定义、如何进一步确定移动平均阶数、候选阶数范围，以及模拟中的样本量和比较基准。
- 阅读边界
- 来源为未注明稿件版本的OpenAlex索引摘要。“识别”在摘要中指阶数判定；一致性条件、具体算法及模拟结果均未说明。
原文摘要
We present a new powerful method for determining the order of ARMA (p, q) models having small sets of observations. The procedure is based on an autoregressive order determination criterion and on linear estimation methods. Simulated data are used to demonstrate the capabilities of the approach.