Autoregressive and Window Estimates of the Inverse Correlation Function
逆相关函数的自回归与窗口估计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：摘要直接研究平稳过程、逆相关函数和移动平均模型参数估计，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
逆相关函数的自回归与窗口估计
- 研究问题
- 平稳过程逆相关函数的自回归估计和窗口估计具有怎样的渐近分布与协方差结构，相关移动平均参数估计是否有效率？
- 方法与思路
- 作者推导两种逆相关函数估计的渐近分布与协方差，并将结果扩展到 Durbin 提出的两种移动平均模型参数估计程序。
- 材料陈述的贡献
- 摘要称所得渐近协方差结构符合已有论述，并证明在高斯情形下，所讨论的两种 Durbin 程序相对最大似然具有渐近效率。
- 阅读关注点
- 应核对平稳性之外的正则条件、自回归阶数与窗口选择，以及效率结论的具体含义、高斯条件和移动平均模型范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体渐近条件和参数限制未提供，不能将高斯情形的效率结论外推至一般过程。
原文摘要
The concept of the inverse correlation function of a stationary process xt was first introduced by Cleveland (1972), who also introduced the autoregressive and the window methods for estimating this function. The asymptotic distribution of the estimates provided by these two methods is derived and their asymptotic covariance structure is shown to be in accordance with a remark of Parzen (1974). The results are extended to show that the two procedures suggested by Durbin (1959, 1961) for estimating the parameters of a moving average model are asymptotically efficient, relative to maximum likelihood in the Gaussian case.