An Approach to Testing Linear Times Series Models
线性时间序列模型检验的一种方法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：摘要明确研究传递函数模型、ARMA扰动及时间序列诊断检验，直接对应时间序列方法。
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
线性时间序列模型检验的一种方法
- 研究问题
- 对于具有自回归移动平均扰动的开环传递函数模型，如何构造计算较轻的诊断检验，并处理信息矩阵与可识别性问题？
- 方法与思路
- 作者采用有效得分程序构造检验，分别考察信息矩阵非奇异及可识别性存在问题的情形，并研究与综合相关检验的关系。
- 材料陈述的贡献
- 摘要称检验与似然比检验渐近等价且计算负担较轻，并讨论常规大样本程序不可用的情形，提供有限样本模拟证据。
- 阅读关注点
- 应核对诊断检验针对的具体模型偏离、渐近等价成立条件，以及识别困难时的处理方式与模拟中的水平和功效。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明可识别性问题的具体类型或处理条件，不能认定方法普遍解决识别失败。
原文摘要
The purpose of this paper is to develop diagnostic tests for open-loop transfer function models with autoregressive-moving average stochastic disturbances using the efficient scores procedure. The tests proposed are asymptotically equivalent to those based upon the likelihood ratio principle and have the advantage that they do not involve a heavy computational burden. Consideration is given both to the standard case of nonsingular information matrices and to the situation obtaining when there are identifiability problems and application of conventional large sample test procedures is not feasible. Relationships between score tests and portmanteau tests in time series analysis are also investigated. Some simulation evidence on the finite sample behaviour of the tests is presented and it is seen that the tests of this paper perform well.