Determining the Order of Differencing in Autoregressive Processes
自回归过程差分阶数的确定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：摘要直接研究自回归时间序列的非平稳性、单位根及差分阶数选择，并通过检验序列决定是否继续差分，故归入时间序列方向。
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
自回归过程差分阶数的确定
- 研究问题
- 当自回归序列可能需要多次差分才能平稳时，应如何安排统计检验的顺序，以判断当前差分阶数是否已经足够？
- 方法与思路
- 作者提出一套用于决定是否继续差分的统计检验序列，可处理需要较高阶差分的情形；其顺序不同于从单个单位根检验起步的传统做法。
- 材料陈述的贡献
- 摘要称，该检验序列允许处理可能需要多次差分才能平稳的情形，扩大了仅假定再差分一次即可平稳时的检验适用范围。
- 阅读关注点
- 核对检验顺序、每一步的原假设和停止规则，以及高阶单位根下的统计量分布和连续检验如何影响整体错误概率。
- 阅读边界
- 摘要未说明允许的最高差分阶数、检验统计量、显著性控制或样本表现；仅凭摘要不能判断实际操作规则及有限样本可靠性。
原文摘要
One way of handling nonstationarity in time series is to compute first differences and fit a model to the differenced series unless the differenced series also looks nonstationary. In that case, second- or higher-order differencing is done. To decide if the current degree of differencing is sufficient, one can look at the autocorrelation function for slow decay. A formal statistical test for the need to difference further is available if one is willing to assume that at most one more difference will render the series stationary. In this article, we present a proper sequence of statistical tests that allows the practitioner to handle cases in which a high order of differencing may be needed. The proper sequence is not the traditional sequence, which begins with a test for a single unit root.