Model Selection Under Nonstationarity: Autoregressive Models and Stochastic Linear Regression Models
非平稳条件下的模型选择：自回归与随机线性回归模型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：摘要直接研究非平稳自回归模型的阶数选择，属于时间序列方法。
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
非平稳条件下的模型选择：自回归与随机线性回归模型
- 研究问题
- 在一般非平稳自回归模型中，信息准则选择阶数何时具有强一致性，且能否覆盖时变误差方差与随机回归变量选择？
- 方法与思路
- 作者研究最小化 AIC 风格信息准则所得的阶数估计，给出强一致性的充分条件，并将分析扩展至随机回归模型。
- 材料陈述的贡献
- 摘要称建立了非平稳自回归阶数选择的强一致性条件，分析覆盖时变误差方差，并处理更一般的回归变量选择。
- 阅读关注点
- 核对信息准则的具体惩罚项、非平稳过程范围、候选阶数限制，以及误差方差变化和随机回归变量所需条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；不能把 AIC 风格准则等同于标准 AIC，也不能推断结果覆盖任意非平稳过程。
原文摘要
We give sufficient conditions for strong consistency of estimators for the order of general nonstationary autoregressive models based on the minimization of an information criterion a la Akaike's (1969) AIC. The case of a time-dependent error variance is also covered by the analysis. Furthermore, the more general case of regressor selection in stochastic regression models is treated.