On the Use of the General Partial Autocorrelation Function for Order Determination in ARMA( p, q ) Processes
广义偏自相关函数用于ARMA过程定阶的局限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：摘要直接讨论ARMA时间序列模型及其阶数识别工具。
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
广义偏自相关函数用于ARMA过程定阶的局限
- 研究问题
- 广义偏自相关函数能否可靠识别ARMA模型阶数，尤其是在中等长度时间序列中识别移动平均成分的阶数？
- 方法与思路
- 作者考察广义偏自相关函数在中等长度序列中的行为，并据此评估其在真实序列定阶中的实际用途。
- 材料陈述的贡献
- 摘要称，该函数在中等长度序列中表现不稳定，识别移动平均阶数的作用有限，仅建议用于确认纯自回归拟合。
- 阅读关注点
- 应核对不稳定性的定义和成因、中等样本长度的具体范围，以及确认纯自回归拟合的依据和适用条件。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；模型参数、样本长度和评价设计未说明，不能扩展为所有定阶情形的结论。
原文摘要
We show that the General Partial Autocorrelation Function (GPAC), which has recently been suggested to be used as one of a set of convenient tools for order identification in ARMA models, has unstable behavior when applied to time series of moderate length. Its use in detecting the order of MA components in real series is very limited and can only be recommended as a means to confirm a pure AR fit to the data.