Polyspectral Mean Estimation of General Nonlinear Processes
一般非线性过程的多谱均值估计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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究非线性时间序列的高阶谱推断，并明确包含 GDP 序列应用。
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…
一般非线性过程的多谱均值估计
- 研究问题
- 如何对平稳非线性或非高斯过程的高阶谱加权均值开展统计推断，并利用双谱均值检验线性过程假设和比较序列特征？
- 方法与思路
- 作者通过高阶周期图的频率加权平均构造多谱均值估计量，推导渐近分布，并以双谱均值构建线性过程假设检验。
- 材料陈述的贡献
- 摘要称，研究给出依赖权重函数与高阶谱的极限分布表达式，以模拟考察有限样本性质，并展示太阳黑子检验与 GDP 聚类应用。
- 阅读关注点
- 应核对平稳性之外的依赖与矩条件、权重函数选择和极限分布估计，以及线性过程检验与 GDP 聚类所利用的双谱信息。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未说明完整渐近条件、检验结果或聚类结论，不能推断具体序列存在非线性。
原文摘要
Higher-order spectra (or polyspectra), defined as the Fourier Transform of a stationary process' autocumulants, are useful in the analysis of nonlinear and non Gaussian processes. Polyspectral means are weighted averages over Fourier frequencies of the polyspectra, and estimators can be constructed from analogous weighted averages of the higher-order periodogram (a statistic computed from the data sample's discrete Fourier Transform). We derive the asymptotic distribution of a class of polyspectral mean estimators, obtaining an exact expression for the limit distribution that depends on both the given weighting function as well as on higher-order spectra. Secondly, we use bispectral means to define a new test of the linear process hypothesis. Simulations document the finite sample properties of the asymptotic results. Two applications illustrate our results' utility: we test the linear process hypothesis for a Sunspot time series, and for the Gross Domestic Product we conduct a clustering exercise based on bispectral means with different weight functions.