Data Tilting for Time Series
时间序列的数据倾斜方法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：摘要明确以时间序列和具有自回归误差的回归模型为研究对象。
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
时间序列的数据倾斜方法
- 研究问题
- 研究如何对时间序列数据进行倾斜，使具有自回归误差的回归问题能够用于区间估计、稳健推断与受约束估计。
- 方法与思路
- 作者提出一般的数据倾斜框架，重点处理误差由自回归过程表示的回归模型，并将方法解释为含干扰参数的经验似然。
- 材料陈述的贡献
- 摘要称该框架覆盖一大类回归问题，可展示倾斜方法在回归区间估计、稳健统计推断和约束估计中的应用。
- 阅读关注点
- 应核对倾斜权重与约束的构造、自回归干扰参数的处理、依赖条件，以及区间校准和稳健推断各自成立的范围。
- 阅读边界
- 仅据所给 Crossref 摘要；具体算法、正则条件、覆盖率和稳健性定义未说明，也不能据此推断其他来源版本的变化。
原文摘要
Summary We develop a general methodology for tilting time series data. Attention is focused on a large class of regression problems, where errors are expressed through autoregressive processes. The class has a range of important applications and in the context of our work may be used to illustrate the application of tilting methods to interval estimation in regression, robust statistical inference and estimation subject to constraints. The method can be viewed as ‘empirical likelihood with nuisance parameters’.