A shrinkage estimator for spectral densities
谱密度的收缩估计量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：摘要围绕周期图、谱密度及参数时间序列模型展开，直接对应时间序列方向。
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
谱密度的收缩估计量
- 研究问题
- 如何在谱密度估计中结合周期图的抽样信息与简约参数时间序列模型，同时避免只选择一个可能不合适的收缩目标？
- 方法与思路
- 作者构建多层正态分层模型：第一层以周期图渐近性质形成似然，第二层向参数模型收缩，第三层对一类简约模型平均。
- 材料陈述的贡献
- 摘要称模型平均收缩估计量具有一致性，模拟中与其他谱密度估计量相比有竞争力，并且计算成本较低。
- 阅读关注点
- 应核对周期图近似似然的条件、候选模型与平均权重、收缩强度的确定方式，以及一致性证明和模拟比较覆盖的谱形状。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；一致性条件、比较对象及计算成本数值未给出，不能据模拟描述认定普遍优势。
原文摘要
We propose a shrinkage estimator for spectral densities based on a multilevel normal hierarchical model. The first level captures the sampling variability via a likelihood constructed using the asymptotic properties of the periodogram. At the second level, the spectral density is shrunk towards a parametric time series model. To avoid selecting a particular parametric model for the second level, a third level is added which induces an estimator that averages over a class of parsimonious time series models. The estimator derived from this model, the model averaged shrinkage estimator, is consistent, is shown to be highly competitive with other spectral density estimators via simulations, and is computationally inexpensive.