M-estimation of linear models with dependent errors
相依误差线性模型的 M 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：摘要明确将理论应用于短程相依线性过程和非线性时间序列，提供时间序列分类依据，但未涉及宏观预测或冲击识别。
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
相依误差线性模型的 M 估计
- 研究问题
- 当线性回归误差存在相依性时，回归参数的 M 估计具有怎样的渐近性质，相关结论可覆盖哪些时间序列误差过程？
- 方法与思路
- 作者推导 M 估计的弱与强 Bahadur 表示并建立中心极限定理，再将结果应用于短程相依、重尾线性过程及非线性时间序列。
- 材料陈述的贡献
- 摘要明确报告两类 Bahadur 表示和中心极限定理，并给出若干相依误差过程的应用，但没有列出具体正则条件。
- 阅读关注点
- 应核对损失函数、设计矩阵、误差相依和尾部条件，特别关注不同过程下的归一化、表示余项及极限定理适用范围。
- 阅读边界
- 依据版本未注明的索引摘要；不能认定任意相依或重尾误差都满足结论，具体收敛速率与所需矩条件仍须查阅全文。
原文摘要
We study asymptotic properties of M-estimates of regression parameters in linear models in which errors are dependent. Weak and strong Bahadur representations of the M-estimates are derived and a central limit theorem is established. The results are applied to linear models with errors being short-range dependent linear processes, heavy-tailed linear processes and some widely used nonlinear time series.