On the Bias in Estimates of Forecast Mean Squared Error
预测均方误差估计中的偏差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：摘要以季节和非季节 ARMA 预测为对象，重点分析预测均方误差估计，直接涉及时间序列与预测。
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
预测均方误差估计中的偏差
- 研究问题
- 有限样本的季节或非季节 ARMA 预测中，通常的预测均方误差估计为何存在偏差，参数估计方法与模型边界又如何影响偏差？
- 方法与思路
- 作者识别四类偏差来源，在特定模型中用最大似然与最小二乘参数估计进行分析，并为最大似然情形提出替代误差估计量。
- 材料陈述的贡献
- 摘要称常用估计量偏低，靠近平稳或可逆区域边界时尤为明显，最小二乘情形偏差严重；所提替代量通常能减少偏差。
- 阅读关注点
- 应核对四类偏差的分解、所分析模型与预测步长，以及替代估计量的构造和适用条件，检查减偏是否伴随方差变化。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出偏差大小或替代量公式；通常减偏不等于所有模型中都有更小均方误差。
原文摘要
We examine the forecasting problem for a finite series of observations from either a nonseasonal or a seasonal autoregressive-moving average process. Four sources of bias in the usual estimator of forecast mean squared error are identified and analyzed for particular models using maximum likelihood and least squares parameter estimates. The usual estimator is found to be biased downwards, especially near the boundary of a stationary or invertible region, and the bias is severe for least squares estimators. An alternative estimator is proposed for the maximum likelihood case, which is shown generally to have reduced bias.