Testing serial dependence or cross dependence for time series with underreporting
存在漏报时的时间序列序列依赖与交叉依赖检验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：摘要明确讨论漏报时间序列的序列依赖、交叉依赖及块自助检验。
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
存在漏报时的时间序列序列依赖与交叉依赖检验
- 研究问题
- 时间序列存在漏报时，如何检验序列内部或不同序列之间的依赖，避免常规统计方法因观测不完整而产生错误结论？
- 方法与思路
- 作者针对漏报时间序列构造新检验统计量，设计相应的分组块自助法并建立一致性，再通过模拟及疾病相关数据展示方法。
- 材料陈述的贡献
- 摘要称所提检验与分组块自助法具有一致性，模拟显示其有效，并用于分析登革热传播及心血管疾病发生的相关因素。
- 阅读关注点
- 应核对漏报机制的模型和可识别条件、序列与交叉依赖原假设的定义，以及分组和块长度选择如何影响检验有效性。
- 阅读边界
- 仅据所给 Crossref 摘要，漏报是否允许依赖真实数值未说明；疾病应用中的依赖证据也不能直接解释为因果影响。
原文摘要
Abstract In practice, it is common for collected data to be underreported, an issue that is particularly prevalent in fields such as the social sciences, ecology and epidemiology. Drawing inferences from such data using conventional statistical methods can lead to incorrect conclusions. In this paper, we study tests for serial or cross dependence in time series data that are subject to underreporting. We introduce new test statistics, develop corresponding group-of-blocks bootstrap techniques and establish their consistency. The methods are shown via simulation studies to be efficient and are used to identify key factors responsible for the spread of dengue fever and the occurrence of cardiovascular disease.