Least squares estimation in dynamic-disturbance time series models
动态扰动时间序列模型的最小二乘估计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：摘要明确涉及变量滞后项、平稳 ARMA 扰动及动态回归估计，直接对应时间序列方法。
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
动态扰动时间序列模型的最小二乘估计
- 研究问题
- 当回归模型含因变量和自变量的滞后项，且扰动遵循平稳 ARMA 过程时，非线性最小二乘的大样本性质如何扩展？
- 方法与思路
- 作者将此前针对平稳混合自回归移动平均扰动回归模型的非线性最小二乘结果，扩展至包含变量滞后项的模型。
- 材料陈述的贡献
- 摘要明确陈述的贡献是拓展既有大样本理论的模型范围，使其涵盖含因变量与自变量滞后值的动态回归设定。
- 阅读关注点
- 应核对新增滞后项带来的条件、估计目标和参数设定，以及原有大样本结论中哪些被保留、哪些需要修改。
- 阅读边界
- 依据版本未注明的 OpenAlex 简短摘要；未列出具体大样本结论、分布和正则条件，不能补写一致性或渐近正态性定理。
原文摘要
Recent results of the author concerning large-sample properties of the nonlinear least squares estimates of the parameters, in a regression model in which the disturbances follow a stationary mixed autoregressive-moving average time series, are extended to models in which lagged values of the dependent and independent variables occur.