Utilizing Multiple Testing for Grouping in Singular Spectrum Analysis
利用多重检验进行奇异谱分析分组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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究时间序列奇异谱分析中的信号与噪声分离及分组选择。
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…
利用多重检验进行奇异谱分析分组
- 研究问题
- 在奇异谱分析分离时间序列信号与噪声时，如何依据统计检验选择分组，并处理多个候选分组形成的多重检验问题？
- 方法与思路
- 作者以重构信号和噪声之间的加权相关作为可分离性标准，检验其是否为零，并用 wild bootstrap 近似各统计量的零分布。
- 材料陈述的贡献
- 摘要称提出用于奇异谱分析分组的多重检验方法，通过模拟评估表现，并用真实时间序列数据说明实际应用。
- 阅读关注点
- 应核对候选分组生成规则、加权相关的定义、bootstrap 对依赖结构的适用性，以及多重检验控制的错误率和选择规则。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明多重校正方式和实验结果，零相关也不能直接等同于信号与噪声独立。
原文摘要
A key step in separating signal from noise in time series by means of singular spectrum analysis (SSA) is grouping. We present a multiple testing method for the grouping step in SSA. As separability criterion, we utilize the weighted correlation between the signal and the noise component of the (reconstructed) time series, and we test whether this weighted correlation is equal to zero. This test has to be performed for several possible groupings, resulting in a multiple test problem. The null distributions of the corresponding test statistics are approximated by a wild bootstrap procedure. The performance of our proposed method is assessed in a simulation study, and we illustrate its practical application with an analysis of real world data.