Least squares estimation in the regression model with autoregressive-moving average errors
自回归移动平均误差回归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：摘要明确以平稳 ARMA 误差和时间序列参数的联合估计为核心，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
自回归移动平均误差回归模型的最小二乘估计
- 研究问题
- 当回归误差遵循平稳 ARMA 过程时，联合最小二乘估计回归与时间序列参数具有怎样的大样本分布？
- 方法与思路
- 作者讨论回归参数和 ARMA 参数的同时估计，分析其渐近分布与协方差，并以 Monte Carlo 研究检验近似表现。
- 材料陈述的贡献
- 摘要称，估计量即使面对非正态误差仍渐近正态，两类参数估计渐近不相关，方差估计也具有渐近正态性。
- 阅读关注点
- 应核对平稳性之外的正则条件、回归设计、联合估计的实现，以及变换模型解释和中等样本模拟设置。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；误差非正态不意味着无需其他分布条件，具体条件与中等样本近似精度未说明。
原文摘要
To treat the problem of correlated errors in regression, a model in which the errors follow a stationary autoregressive-moving average time series is suggested. Simultaneous least squares estimation of the regression and the time series parameters is discussed, and it is shown that asymptotically the estimates obtained in this manner possess normal distributions, whether or not the errors themselves are normally distributed. The estimates of the regression parameters are uncorrelated with those of the time series parameters; the former are distributed as if they had arisen from a certain transformed model with uncorrelated errors, while the latter have the same covariance matrix as those from a stationary series with no deterministic component. The estimate of variance is also asymptotically normal. A Monte Carlo sampling study indicates that these results can serve as a useful approximation for samples of moderate size.