The tapering estimation of the first-order autoregressive parameters
一阶自回归参数的渐消窗估计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：题名与摘要直接研究一阶自回归参数估计及其有限样本偏差，属于时间序列方法。
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
一阶自回归参数的渐消窗估计
- 研究问题
- 一阶自回归参数的普通最小二乘或极大似然估计在有限样本中可能存在较大偏差，时域渐消窗能否有效减轻这种偏差？
- 方法与思路
- 作者提出用于自回归参数估计的渐消窗技术，并通过蒙特卡洛实验考察时域实现方式在不同样本规模下的偏差表现。
- 材料陈述的贡献
- 摘要称当自回归参数为正且不非常接近一时，时域渐消窗估计在较广样本规模范围内显著减小偏差。
- 阅读关注点
- 应核对渐消窗权重、参数和样本规模范围、初始值设定，并检查偏差改善是否伴随方差或均方误差变化。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；证据限于所述模拟范围，近单位根、负参数及推断性能未说明。
原文摘要
In the estimation of autoregressive parameters, biases from ordinary least-squares or maximum likelihood estimator are big even for moderately large sample sizes. A new tapering estimation technique is developed to reduce the bias. Monte Carlo experiments show that the tapering estimation in the time domain yields a substantial reduction in the bias when autoregressive parameters are positive and not very near unity, over a wide range of sample sizes.