Weighted Least Squares Estimators on the Frequency Domain for the Parameters of a Time Series
时间序列参数的频域加权最小二乘估计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：摘要明确研究时间序列参数、周期图与谱的频域估计。
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
时间序列参数的频域加权最小二乘估计
- 研究问题
- 如何通过周期图与理论谱之间的差异估计时间序列参数，并在适当条件下获得强一致性、极限分布及高斯情形的效率？
- 方法与思路
- 作者最小化周期图和谱之间距离的加权平方和，推导估计量的渐近性质，并通过迭代重新加权构造高斯过程下的估计。
- 材料陈述的贡献
- 摘要称在正则条件下估计量强一致且具有所推导的渐近分布；对于高斯过程，迭代重新加权可得到渐近有效估计。
- 阅读关注点
- 应核对谱模型、权重与迭代更新规则、所需正则条件，以及渐近效率的比较基准和高斯假设在效率结论中的作用。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；正则条件及权重公式未提供，高斯情形的效率结论不能直接推广到非高斯过程或有限样本。
原文摘要
A procedure for estimating the parameters of a time series is proposed. The estimate minimizes a criterion function which is the weighted sum of squares of the distances between the periodogram and the spectrum of the series. Under regularity conditions, the estimate is shown to be strongly consistent. The asymptotic distribution of the estimate is also obtained. It is shown that, for a Gaussian process, an asymptotically efficient estimate can be obtained by using an iteratively reweighted procedure.