A Short Cut in the Fitting of Autoregressive Series
自回归序列拟合的简化方法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：摘要明确研究高阶自回归时间序列模型的参数拟合与估计方程求解。
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
自回归序列拟合的简化方法
- 研究问题
- 在拟合高阶自回归模型时，能否简化渐近最小二乘估计产生的联立方程组，并根据模型阶数的奇偶性减少求解规模？
- 方法与思路
- 作者分析自回归参数估计方程的结构，将原有方程组拆分为两个子集；偶数阶时等分，奇数阶时两组方程数相差一个。
- 材料陈述的贡献
- 摘要称，偶数阶模型可分为两个各含半数方程的子集，奇数阶则分为大小相邻的两个子集，提供一种拟合计算上的简化。
- 阅读关注点
- 应核对方程分解依赖的代数结构、子集如何还原原参数解，以及这种简化在有限样本计算中是否仍适用、实际节省多少运算。
- 阅读边界
- 仅据所给Crossref摘要；摘要只陈述渐近最小二乘方程的分解，未说明具体推导、计算复杂度或有限样本估计性能。
原文摘要
Summary The set of k equations arising from the asymptotic least-squares estimation procedure for fitting the unknown parameters in kth-order autoregressive models is shown to degenerate into two subsets, each of m equations for the even case (k = 2m), or two subsets, one of m equations and one of (m + 1) equations for the odd case (k = 2m + 1).