The Determination of the Order of an Autoregression
自回归模型阶数的确定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：摘要明确研究自回归模型阶数与偏自相关，直接对应时间序列方法，未提供其他细分领域的依据。
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
自回归模型阶数的确定
- 研究问题
- 如何构造自回归阶数的强一致估计程序，并减少其他强一致选阶方法可能出现的阶数低估问题？
- 方法与思路
- 作者利用偏自相关的重对数律建立自回归阶数估计程序，并讨论该程序与其他强一致选阶程序的低估表现差异。
- 材料陈述的贡献
- 摘要称，该选阶程序具有强一致性，且相较其他强一致程序低估阶数的程度较轻，但未提供具体比较细节。
- 阅读关注点
- 应核对选阶规则、重对数律适用条件、候选阶数范围，以及低估程度比较的数学含义和所针对的程序。
- 阅读边界
- 仅据 Crossref 摘要；摘要未说明过程条件、阈值设定或有限样本结果，不能由强一致性推断小样本中总能正确选阶。
原文摘要
Summary It is shown that a strongly consistent estimation procedure for the order of an autoregression can be based on the law of the iterated logarithm for the partial autocorrelations. As compared to other strongly consistent procedures this procedure will underestimate the order to a lesser degree.