Bias Reduction of Autoregressive Estimates in Time Series Regression Model through Restricted Maximum Likelihood
通过限制极大似然减少时间序列回归中自回归估计的偏差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：摘要明确研究带 AR(p) 噪声的时间序列回归、自回归参数偏差及线性趋势检验，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
通过限制极大似然减少时间序列回归中自回归估计的偏差
- 研究问题
- 在带 AR(p) 噪声的时间序列回归中，极大似然与限制极大似然估计的自回归参数偏差有何差异，又如何影响趋势检验？
- 方法与思路
- 作者根据估计量的近似表示推导两类自回归参数估计的近似偏差及误差方差估计偏差，并用数值和模拟研究检验近似表现。
- 材料陈述的贡献
- 摘要称，在短或中等长度序列中，限制极大似然的自回归参数估计通常偏差更小，因而回归参数推断更准确，并研究线性趋势检验。
- 阅读关注点
- 应核对近似展开的条件、AR 阶数与参数设定、偏差评价方式，以及模拟如何验证近似和自回归估计偏差如何影响趋势检验。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未报告样本长度、偏差数值或推断误差，不能认定限制极大似然在所有设定下更好。
原文摘要
This article considers maximum likelihood (ML) and restricted maximum likelihood (REML) estimation of time series regression models with autoregressive AR(p) noise. Approximate biases of the ML and REML estimators of the AR parameters, based on their approximate representations, are derived. In addition, a bias result for the ML estimator (MLE) of the error variance is established. Numerical results are presented to illustrate the biases of the MLE and REML estimator for the AR parameters, and simulation results are provided to assess the adequacy of our approximations. The impact of bias of the AR estimates on testing of linear trend in a regression trend model is also investigated. For a time series of short or moderate sample length, the REML estimator is generally much less biased than the MLE. Consequently, the REML approach leads to more accurate inferences for the regression parameters.