A test of correlation in the random coefficients of an autoregressive process
深入研究了系数相关的随机系数自回归过程。首先我们研究了严格平稳因果解的存在性，给出了过程的二阶平稳性条件和自相关函数。然后，在适当的驱动扰动假设下，研究了经验均值的一些渐近性质和过程的常用估计，如收敛性、渐近正态性和收敛速度。我们的目标是通过一个简单的模型，在估计步骤中的相关系数的影响得到一个概述。特别是，缺乏一致性的自回归参数的估计时，独立性假设被违反的随机系数。最后给出了相关系数的一致估计和检验方法。虽然收敛性依赖于遍历性，我们使用鞅方法来达到大部分的结果。
2018-03-28 math.ST stat.TH
Nonparametric estimation of the distribution of the autoregressive coefficient from panel random-coefficient AR(1) data
本文讨论了一组长度为$n$的$N$随机系数AR（1）数据的自回归系数$a \in (-1,1)$的分布函数$G(x)$的非参数估计，通过单个AR（1）过程的滞后1样本自相关的经验分布函数.在$G(x)$上，当$N$和$n$趋于无穷大时，在一定的正则性条件下，证明了经验分布函数和一类核密度估计的相合性和渐近正态性.讨论了Beta分布$a$的简单假设和复合假设的Kolmogorov-Smirnov拟合优度检验。拟合优度检验的模拟研究比较了我们的非参数估计量的有限样本性能与Beran等人（2010）中讨论的参数模拟的性能。
2016-10-05 math.ST stat.TH
Rank-Based Testing for Semiparametric VAR Models: a measure transportation approach
基于最近提出的基于测量传输的多变量{ \it center-outwardrank}和{ \it signs}的概念，提出了一类新息密度未知的半参数向量自回归（VAR）模型的检验方法.我们表明，这些概念，结合Le Cam的渐近理论的统计实验，产生新的测试程序，其中（a）~是有效的下广泛的一类创新密度（可能是非椭圆形的，歪斜的，和/或无限的时刻），（b）~是最佳的（局部渐近最大最小或最严格）在选定的，和（c）是强大的添加剂离群值。为了做到这一点，我们建立了一个H\' ajek渐近表示结果，独立的利益，为一般类的中心向外的秩为基础的序列统计量。作为一个例子，我们考虑了多输出和可能的非线性回归（经典的Durbin-Watson问题的扩展）和向量自回归（VAR（$p$））模型的顺序$p$的顺序识别序列相关性的测试问题。我们的测试和他们的竞争对手的蒙特卡罗比较研究证明了我们的方法的好处（在规模，功率和鲁棒性方面），这些好处在不对称和尖峰创新密度的存在下特别显着。一个真实的数据应用结束的文件。
2020-11-11 math.ST stat.TH
A sharp analysis on the asymptotic behavior of the Durbin-Watson statistic for the first-order autoregressive process
本文的目的是对Durbin-Watson统计量的渐近性态提供一个精确的分析。我们把注意力集中在一阶自回归过程中，驱动噪声也是由一阶自回归过程。我们建立了自回归过程未知参数的最小二乘估计以及与驱动噪声相关的序列相关估计的几乎必然收敛和渐近正态性。此外，还给出了估计的几乎必然收敛速度.它允许我们建立Durbin-Watson统计量的几乎必然收敛和渐近正态性。最后，我们提出了一种新的双边统计检验残差自相关。
2011-04-17 math.PR math.ST q-fin.ST
Admissibility of Adaptive Monotone Step-Down Multiple Testing Procedures Under Arbitrary Covariance Dependence
Texas A&M University（德克萨斯农工大学）；Indian Statistical Institute（印度统计研究所）
针对任意协方差依赖下多元正态均值的同步检验问题，建立了一类基于残差的自适应单调逐步下降多重检验程序的可容许性定理，证明其关于向量值损失函数是可容许的。
2026-05-28 math.ST stat.TH
Strong uniform consistency and asymptotic normality of a kernel based error density estimator in functional autoregressive models
估计新息概率密度是任何回归分析中的一个重要问题。本文主要研究函数自回归模型。提出了一种基于残差的新息密度核估计方法。该估计量的渐近性质依赖于泛函自回归函数的平均预测误差。研究了核密度估计的强一致相合性和渐近正态性的充分条件。
2010-05-06 stat.ME
Diagnostic Checking in Multivariate ARMA Models With Dependent Errors Using Normalized Residual Autocorrelations
本文针对误差相依的VARMA模型，提出基于标准化残差自相关的自标准化portmanteau统计量，并推导其渐近分布，通过蒙特卡洛实验和CAC40数据验证。
2024-04-19 math.ST stat.TH
Testing Heteroskedasticity in High-Dimensional Linear Regression
提出了一种新的高维线性回归异方差检验方法，其中协变量个数可以大于样本量。我们的测试程序是基于Lasso的残差。我们证明了我们的检验统计量具有渐近正态性下的原假设的同性。仿真结果表明，该方法可以获得准确的经验大小和功率。我们还介绍了实际经济数据应用的结果。
2022-10-31 math.ST stat.TH
Distribution of residual autocorrelations for multiplicative seasonal ARMA models with uncorrelated but non-independent error terms
本文研究了乘性季节自回归滑动平均（SARMA）的充分性检验在误差项不相关但不一定独立的假设下，建立了SARMA模型，为了扩大SARMA模型的应用范围，我们放宽了误差项的标准独立性假设，研究了残差和归一化残差的经验自协方差和自相关函数的渐近分布对噪音的假设。我们建立了所提出的统计量的渐近行为。介绍了一组蒙特卡罗实验及其在月平均太阳黑子总数中的应用。
2019-02-08 math.ST stat.AP stat.ML
Goodness-of-fit testing for the Pareto type-I distribution based on a mean residual life characterization
Indian Institute of Technology Tirupati（蒂鲁帕蒂印度理工学院）
针对帕累托I型分布，基于平均剩余寿命表征提出新型拟合优度检验，通过U统计量构建统计量，模拟显示其控制显著性水平且功效具竞争力，并用实际数据集验证。
2026-09-07 math.ST stat.ME stat.TH
Goodness-of-fit testing in high-dimensional generalized linear models
我们提出了一个家庭的测试来评估的拟合优度的高维广义线性模型。我们的框架是灵活的，可用于构建一个综合测试或针对测试特定的非线性和相互作用的影响，或用于测试组的变量的意义。该方法是基于提取剩余信号的残差从初始拟合的广义线性模型。这可以通过使用现代灵活回归或机器学习方法（例如随机森林或提升树）从残差预测该信号来实现。在广义线性模型正确的原假设下，残差中没有信号，并且我们的检验统计量具有高斯极限分布，转化为第一类错误的渐近控制。在本地替代方案下，我们建立了对测试功率的保证。我们通过测试逻辑斯谛回归模型的拟合优度来说明该方法在模拟和真实数据示例上的有效性。R软件包“GRPtests”中有执行这一方法的软件。
2019-11-12 math.ST stat.ME stat.TH
The validity of bootstrap testing in the threshold framework
本文研究了非线性门限自回归（TAR）模型中门限效应的Bootstrap检验。众所周知，基于渐近理论的经典检验在样本量较小甚至中等的情况下，或者当估计的参数显示非平稳性时，往往会过大，这在金融或气候数据分析中经常看到。为了解决这个问题，我们提出了一个上确界拉格朗日乘子检验统计量（sLMb），其中的原假设指定一个线性自回归（AR）模型对TAR模型的替代。我们认为一个递归的自举应用于sLMb统计量，并建立其有效性。这一结果是新的，需要证明时间序列模型中自举分析的非标准结果;这包括一致的自举大数定律和自举泛函中心极限定理。这些新的结果也可以被用来作为一个一般的理论框架，可以适应其他情况下，如政权转换过程与外源阈值变量，或测试的结构断裂。蒙特卡罗证据表明，自助检验具有正确的经验大小，即使在小样本，也没有损失的经验力量相比，渐近检验。此外，它的性能不受影响，如果自回归的顺序估计的基础上的信息准则。最后，我们分析了一组短时间序列，以评估气候变暖对人口动态的影响。
2021-12-31 math.ST stat.ME stat.TH
Asymptotic Theory of Dependent Bayesian Multiple Testing Procedures Under Possible Model Misspecification
研究了贝叶斯多重检验的渐近性质，给出了一般相依结构下强相合性的充分条件。我们还考虑了一种新的贝叶斯多重检验程序和相关的误差措施，连贯地占模型中存在的依赖结构。我们提倡后验版本的FDR和FNR作为适当的差错率，并表明其渐近收敛率直接与Kullback-Leibler发散从真实的模型。我们的研究结果，即使假设模型的类是错误的。我们说明了我们的结果在一个自回归响应变量的变量选择问题，并比较新的贝叶斯过程与一些现有的方法，通过广泛的模拟研究中的变量选择问题。优越的性能相比，其他的新程序证明，适当利用多种测试方法的依赖结构确实是重要的。此外，我们获得了令人鼓舞的结果，在一个真正的玉米数据的背景下，我们选择有影响力的标记变量。
2020-05-14 math.ST stat.TH
Covariance-Adaptive Residualization and Stagewise Calibration for Dependent Multiple Testing
Texas A&M University（德克萨斯农工大学）；Indian Statistical Institute（印度统计研究所）
针对任意协方差相依下的多元高斯均值同时假设检验问题，提出一种结合协方差自适应残差化与广义分步临界常数的分步校准程序，在降低计算复杂度的同时实现更优的信号恢复和错误控制。
2026-07-10 stat.ME
Unit-Weibull Autoregressive Moving Average Models
本文提出单位威布尔自回归移动平均模型，用于建模(0,1)区间连续变量，采用部分极大似然估计，并通过模拟和美国制造业产能利用率数据验证其预测性能。
2022-11-03 math.ST stat.ME stat.TH
Strict Stationarity Testing and GLAD Estimation of Double Autoregressive Models
在本文中，我们开发了一个易于操作的程序来测试双自回归模型中的严格平稳性，并将问题表述为测试顶部李雅普诺夫指数是否为负。在没有严格平稳性假设的情况下，构造了相应的最大李雅普诺夫指数的一致估计量，并采用随机加权的方法进行方差估计，进而进行t-型检验.我们还提出了一个GLAD估计参数的兴趣，放松常用的QMLE的关键假设。所有的估计，除了截距，被证明是一致的，渐近正常的平稳和爆炸的情况。有限样本性能的建议程序进行评估，通过蒙特卡罗模拟研究和一个真实的数据集的利率进行了分析。
2019-02-11 math.ST stat.TH
On the Bickel-Rosenblatt test of goodness-of-fit for the residuals of autoregressive processes
本文研究自回归模型中噪声密度的拟合优度的Bickel-Rosenblatt检验。由于Bickel和Rosenblatt的开创性工作，众所周知，Parzen-Rosenblatt密度估计的积分平方误差，一旦正确地重新归一化，对于独立同分布（i.i.d.）序列的我们证明了当统计量由一般稳定和爆炸自回归过程的残差建立时，结果仍然成立。在单变量不稳定情形下，证明了当单位根位于$-1$时，结果成立，而当单位根位于$1$时，我们给出了进一步的结果.特别是，我们建立，除了一些特定的非对称内核导致非高斯极限分布和收敛速度较慢，统计量具有相同的数量级。我们还研究了一些常见的不稳定的情况下，如集成的季节过程。最后，我们建立了一个拟合优度Bickel-Rosenblatt测试的噪声的真密度及其经验性质的基础上的仿真研究。
2018-07-12 math.ST stat.TH
Testing stability in a spatial unilateral autoregressive model
研究了空间单边自回归过程$X_{k,\ell}=αX_{k-1,\ell}+βX_{k,\ell-1}+\varepsilon_{k,\ell}$的稳定性参数$\varrho := |α| + |β|$的最小二乘估计。在不稳定的情况下显示了具有比例因子$n^{5/4}$的渐近正态性，即，当$\varrho = 1$，与AR（p）模型$X_k=α_1 X_{k-1}+... +α_p X_{k-p}+ \varepsilon_k$相反，其中稳定性参数$\varrho :=α_1 + ... + α_p$的最小二乘估计在不稳定中不是渐近正态的，即，在单位根的情况下。
2012-03-20 math.ST stat.TH
On the asymptotic behavior of the Durbin-Watson statistic for ARX processes in adaptive tracking
关于自回归模型的Durbin-Watson统计量的渐近行为有大量的文献。然而，对于具有适应控制的自回归模型，Durbin-Watson统计量是不可能得到结果的。我们的目的是填补空白，建立渐近行为的Durbin沃森统计的ARX模型在自适应跟踪。一方面，我们证明了ARX模型未知参数的最小二乘估计的几乎必然收敛性和渐近正态性。另一方面，我们建立了Durbin-Watson统计量的几乎必然收敛性及其渐近正态性。最后，我们提出了一个双边统计测试的自适应跟踪的剩余自相关。
2012-04-20 math.PR math.ST stat.TH
On Testing Kronecker Product Structure in Tensor Factor Models
本文提出一种检验张量因子模型中因子载荷矩阵是否具有Kronecker积结构的方法，通过比较完整模型与重塑数据模型的残差，利用渐近正态性建立理论，实验验证了检验的有效性，并应用于纽约出租车和金融数据。
2025-01-20 math.ST stat.ME stat.TH
Empirical Likelihood for Change Point Detection in Autoregressive Models
变点分析已成为许多应用领域的重要研究课题。为了检测时间序列数据中的变化及其位置，已经进行了若干研究工作。本文提出了一种基于经验似然的非参数方法来检测自回归（AR）模型中参数的结构变化。在一定条件下，证明了经验似然比检验统计量的渐近零分布是极值分布。进一步证明了检验统计量的一致性。已进行模拟，以表明拟议的检验统计量的权力是显着的。所提出的方法被应用到现实世界的数据集，以进一步说明测试过程。
2017-11-27 stat.ME
Beta seasonal autoregressive moving average models
在本文中，我们介绍了一类β季节自回归移动平均（$β$ SARMA）模型的建模和预测时间序列数据，假设值在标准的单位间隔。它通过将季节动态纳入模型动态结构来推广β自回归移动平均模型[Rocha和Cribari-Neto，Test，2009]。除了介绍新的模型类，我们开发了参数估计，假设检验推理，和诊断分析工具。我们还讨论了样本外预测。特别是，我们提供了封闭形式的表达式的条件得分向量和条件费舍尔信息矩阵。我们还评估了有限样本性能的条件极大似然估计和白噪声测试使用蒙特卡罗模拟。一个经验的应用程序，并进行了讨论。
2018-06-20 stat.ME
Beta Autoregressive Fractionally Integrated Moving Average Models
在这项工作中，我们介绍了一类β自回归分数积分移动平均模型的连续随机变量取值在连续单位区间$(0,1)$。该模型包含一组回归变量和一个长程相关的时间序列结构。我们推导了该模型参数的部分似然估计，获得了相关的得分向量和费舍尔信息矩阵。在较弱的条件下证明了估计量的相合性和渐近正态性。提出了假设检验、诊断工具和预测方法。一个蒙特卡罗模拟被认为是评估有限样本性能的偏似然估计和研究一些建议的测试。一个经验的应用程序也提出和讨论。
2018-07-26 stat.ME
Corrected portmanteau tests for VAR models with time-varying variance
研究了具有无条件异方差误差的向量自回归过程的拟合检验问题。波动率结构是确定性的，但随时间变化，并考虑到通常在经济或金融多元序列中观察到的变化。我们的分析是基于从普通最小二乘（OLS），广义最小二乘（GLS）和自适应最小二乘（ALS）估计的自回归参数的残差自协方差和自相关。ALS方法是GLS方法，适用于未知的时变波动率，然后通过核平滑估计。导出了三种类型的残差自协方差和自相关的性质。特别是它表明，ALS和GLS的残差自相关渐近等价。研究还发现，OLS残差自相关系数的渐近分布可能与在正确指定的具有iid新息的VAR模型中得到的标准卡方渐近分布有很大不同.因此，在我们的框架中，标准的组合测试是不可靠的。导出了基于OLS残差的标准组合检验的正确临界值。此外，基于ALS的残余自相关的修改的Portmanteau统计量。在原假设下，本文还提出了基于OLS和ALS残差和标准卡方渐近分布的改进统计量的Portmanteau检验。我们的组合方法的扩展，以测试在向量误差校正型模型的协整关系的滞后长度进行了简要的调查。本文用蒙特卡罗方法研究了拟合优度检验的有限样本性质。理论结果也说明了使用两个美国的经济数据集。
2011-05-31 stat.ME
Testing the goodness-of-fit of a functional autoregressive model
Univ. de Santiago de Compostela（圣地亚哥-德孔波斯特拉大学）；Galician Centre for Mathematical Research and Technology（加利西亚数学研究与技术中心）；Univ. de Granada（格拉纳达大学）
针对函数型时间序列中的线性自相关模型，提出基于经验过程的拟合优度检验，推导了经验过程收敛到时间变换的Wiener过程的函数中心极限定理，并验证了检验在简单和复合原假设下的大样本性质及一致性。
2026-05-28 math.ST stat.TH
Kumaraswamy autoregressive moving average models for double bounded environmental data
本文介绍了Kumaraswamy自回归滑动平均模型（KARMA），它是一种动态的时间序列模型，取值于Kumaraswamy分布的双有界区间$(a,b)$。Kumaraswamy分布族在许多领域有着广泛的应用，特别是水文学及其相关领域。经典的例子是表示随时间观察到的比率和比例的时间序列。在建议的KARMA模型中，中位数是由一个动态的结构，包含自回归和移动平均条款，随时间变化的回归，未知参数和链接功能。我们介绍了这类新的模型，并讨论了条件极大似然估计、假设检验推断、诊断分析和预测。特别是，我们提供了封闭形式的表达式的条件得分向量和条件费舍尔信息矩阵。环境的实际数据的应用和讨论。
2020-02-18 stat.ME
Adaptive inference for a semiparametric generalized autoregressive conditional heteroskedasticity model
本文研究了半参数广义自回归条件异方差（S-GARCH）模型。对于该模型，首先用核估计估计量估计无条件方差的时变长期分量，然后用拟极大似然估计量估计GARCH型短期分量中的非时变参数.我们证明了QMLE是渐近正态的，且具有参数收敛速度。其次，我们构造了线性参数约束的拉格朗日乘子检验和模型检验的组合检验，得到了它们的渐近零分布。我们的整个统计推断过程适用于非平稳数据，具有两个重要特征：第一，我们的QMLE和两个测试是自适应的未知形式的长期组件;第二，我们的QMLE和两个测试共享相同的效率和测试功率的方差目标方法时，S-GARCH模型平稳。
2020-10-02 econ.EM stat.ME
Testing for strict stationarity in a random coefficient autoregressive model
我们提出了一个程序，以决定（严格）平稳性的原假设和非平稳性的替代，在随机系数自回归（RCAR）的上下文中。该过程是基于随机化的诊断发散到正无穷大下的零，并漂移到零下的替代。因此，我们提出了一个可以直接使用的随机测试，并在此基础上提出了一个决策规则来区分空值和替代值。该程序可以应用于非常一般的情况下：尽管是为RCAR模型开发的，但它可以用于标准AR（1）模型的情况，而无需任何修改或先验知识。此外，该测试在存在无穷方差的情况下工作（再次不需要修改或先验知识），并且通常需要对矩的存在进行最小假设。
2019-01-04 math.ST stat.TH
Residual empirical processes for long and short memory time series
研究了长记忆和短记忆时间序列回归模型的残差经验过程，并在一般框架下建立了残差经验过程的一致展开式。将所得结果应用于随机回归模型和不稳定自回归模型。对于长记忆噪声，本文证明了Ho和Hsing [Ann. Statistist. 24（1996）992-1024]在随机回归模型包括未知截距或不稳定自回归模型的特征多项式具有单位根时不成立。为此，提出了两个新的统计量来检验随机回归模型和不稳定自回归模型的长记忆噪声的分布。(With更正。）
2012-11-15 math.ST stat.TH
Score Permutation Based Finite Sample Inference for Generalized AutoRegressive Conditional Heteroskedasticity (GARCH) Models
Institute for Computer Science and Control (SZTAKI)（计算机科学与控制研究所（SZTAKI））；Hungarian Academy of Sciences (MTA)（匈牙利科学院（MTA））
（条件）异方差的标准模型，即，广义自回归条件异方差（GARCH）模型是指过程的方差随时间变化的现象，它在经济学和金融学中具有重要意义。GML模型通常由准极大似然（QML）方法估计，该方法在温和的统计假设下工作。在这里，我们提出了一个有限样本的方法，称为ScoPe，构建分布免费的置信区域周围的QML估计，有确切的覆盖概率，尽管没有额外的假设矩。ScoPe的灵感来自于最近开发的符号扰动和（SPS）方法，但不能应用于Gynecology的情况。ScoPe的工作原理是使用随机排列的残差扰动得分函数。这产生了导致精确置信区域的替代样本。模拟和股票市场的数据上的实验也提出了，和Scope相比，渐近理论和自助方法。
2018-07-23 cs.LG econ.EM math.DS
Efficient prediction for linear and nonlinear autoregressive models
在平稳时间序列中，给定过去观测值的条件期望通常由核估计直接估计，或者通过插入核估计来估计转移密度。我们证明了，对于独立新息驱动的线性和非线性自回归模型，适当的平滑加权von Mises残差统计量估计条件期望具有更好的参数率，并且是渐近有效的.证明是基于一个均匀的随机扩展平滑和加权冯米塞斯过程的残差。我们认为，特别是，估计的条件分布函数和条件分位数函数。
2007-02-23 math.ST stat.TH
Testing for observation-dependent regime switching in mixture autoregressive models
当状态转换概率被指定为常数（“混合模型”）或由有限状态马尔可夫链（“马尔可夫转换模型”）控制时，状态转换的测试是长期存在的问题，最近也引起了人们的兴趣。本文考虑测试时的政权切换概率是随时间变化的，并依赖于观测数据（“观测依赖政权切换”）。具体地说，我们考虑了混合自回归模型中依赖于观测的状态转换的似然比检验。测试问题是高度非标准的，涉及未识别的干扰参数下的零，边界上的参数，奇异信息矩阵，和高阶近似的对数似然。我们推导出渐近零分布的似然比检验统计量在一般的混合自回归设置使用高层次的条件，允许各种形式的依赖关系的政权切换概率对过去的观察，我们说明了理论使用两个特定的混合自回归模型。似然比检验有一个非标准的渐近分布，可以很容易地模拟，和蒙特卡罗研究表明，该测试有令人满意的有限样本量和功率属性。
2017-11-10 econ.EM math.ST stat.ME
Online Change-Point Detection in Linear Regression with Autoregressive Errors via Streaming Variational Bayes
Yonsei University（延世大学）
该研究提出流式变分贝叶斯方法，用于带自回归误差的线性回归在线变点检测，经模拟和比特币波动率数据验证，其检测性能优于频率主义序贯监测程序。
2026-10-14 stat.ME
Improving Estimations in Quantile Regression Model with Autoregressive Errors
一个重要的问题是，呼吸道死亡率可能是空气污染的结果，空气污染可以通过以下变量来测量：温度、相对湿度、一氧化碳、二氧化硫、二氧化氮、碳氢化合物、臭氧和颗粒物。通常的方法是使用普通最小二乘回归来拟合模型，它对回归模型的误差项表示白噪声过程有一些假设，也称为高斯-马尔可夫假设。然而，在许多应用中，特别是对于本示例，这些假设并不满足。因此，在本研究中，采用分位数回归方法，使用上述解释变量对呼吸死亡率进行建模。此外，改进的估计技术，如初步测试和收缩策略时，误差是自回归的。通过蒙特卡罗模拟实验，对Lasso、Ridge和弹性网等分位数惩罚估计方法进行了性能评估。最后给出了所列估计量的理论风险。
2017-07-04 stat.AP
Backward CUSUM for Testing and Monitoring Structural Change with an Application to COVID-19 Pandemic Data
众所周知，传统的累积和（Cumulative sum，CSCUM）测试具有低功率和大检测延迟的缺点。为了提高检验的功效，我们提出了两种替代统计量。后向累加检测器以逆时间顺序考虑递归残差，而堆叠后向累加检测器顺序累积后向累加残差的三角阵列。给出了递归残差部分和的多元不变性原理，并在局部替换下得到了检验统计量的极限分布。在回顾性的情况下，当地的权力的测试被证明是大大高于传统的CRACUM测试，如果发生在中间或在结束时的样品。当应用于监测方案时，发现堆叠的后向CAMUM的检测延迟比常规监测CAMUM过程的检测延迟短得多。此外，我们提出了一个估计的休息日期的基础上向后的CRAMUM检测器，并表明，在监测演习中，这种估计往往优于通常的最大似然估计。最后，介绍了该方法在COVID-19数据中的应用。
2022-03-27 econ.EM stat.ME
Nonparametric Bayesian multiple testing for longitudinal performance stratification
本文描述了自回归时间序列的灵活的多假设检验的框架。建模方法是贝叶斯，虽然混合频率论和贝叶斯推理是用来评估程序。零假设和备择假设的非参数表征将被证明是确保合理的第一类错误性能所必需的关键稳健步骤。该方法适用于一个大型数据库的一部分，该数据库包含24，157家美国上市公司长达50年的公司业绩统计数据，分析的主要目标是标记历史业绩与预期因偶然性而显着不同的公司。
2010-09-29 stat.AP
Model Specification Test for Stationary Functional Time Series
Illinois State University（伊利诺伊州立大学）；Ruhr-University Bochum（波鸿鲁尔大学）；Zhejiang University（浙江大学）
本文提出一个基于自回归近似和加权L2距离的通用框架，用于平稳函数型时间序列的模型设定检验，涵盖阶数检验、ARMA设定检验和可分离性检验，并证明了渐近有效性。
2026-09-24 math.ST stat.ME stat.TH
On Parameter Estimation of Threshold Autoregressive Models
研究了当底层门限参数为随机变量时TAR模型的门限估计问题。结果表明，贝叶斯估计是相容的，其极限分布表示为一个极限似然比。此外，还建立了估计量的矩的收敛性。极限分布可以通过显式模拟来计算，根据显式模拟可以进行门限参数的测试和推断。所得到的结果与数值模拟说明。
2010-03-18 math.ST stat.TH
An exact test for renewal increasing mean residual life
本文给出了一个检验更新递增平均剩余寿命类指数性的精确检验。Pitman的渐近功效值表明，我们的测试表现良好。一些数值结果来证明测试方法的性能。我们还讨论了该方法如何结合正确的删失观测。
2016-09-02 math.ST stat.TH
Empirical study of periodic autoregressive models with additive noise -- estimation and testing
针对受加性噪声污染的有限方差PAR时间序列，本文提出四种基于Yule-Walker方程和自协方差函数的估计方法，并构建模型检验程序，通过仿真和空气质量数据验证其有效性。
2024-03-12 math.ST stat.ME stat.TH
Identification and validation of periodic autoregressive model with additive noise: finite-variance case
针对现实数据含加性噪声的情况，本文基于残差序列特征函数提出有限方差噪声下PAR模型的阶数选择、周期估计及残差验证方法，构建周期非平稳数据的通用分析框架，成果受机器状态监测相关研究启发。
2023-10-02 math.ST stat.ME stat.TH
Estimating weak periodic vector autoregressive time series
本文推导了弱周期向量自回归时间序列模型参数的最小二乘估计量的渐近分布，提出了修正的Wald检验，并通过蒙特卡洛实验和金融数据应用进行了验证。
2024-04-19 math.ST stat.TH
Diagnostic checking of periodic vector autoregressive time series models with dependent errors
本文针对弱 PVAR 模型残差自相关提出修正 Portmanteau 检验统计量，推导其渐近分布，并通过蒙特卡洛实验和实际数据验证其优于标准检验的有限样本表现。
2024-09-30 math.ST stat.TH
Testing epidemic change in nearly nonstationary process with statistics based on residuals
本文研究了一阶自回归过程$ y_{n,k} = φ_n y_{n,k-1} + ε_{k} + a_{n,k}$的新息的传染型变化，其中$ϕ_n$是$(-1,1)$中的常数或$(0,1)$中的序列，收敛到1。对于在某个未知区间$\mathbb{I}_n^\ast=(k^\ast,k^\ast+\ell^\ast]$内的$k$，$a_{n,k}=a_n$，而对于在$\mathbb{I}_n^\ast$外的$k$，$a_{n,k}=0$。当$a_n\neq 0$，我们有一个流行病偏离通常（零）的平均创新。由于没有观察到新息，我们建立均匀增量统计过程$y_{n,k}$的残差$(\widehatε_k)$。我们假设新息$(ε_k)$随指标$p \ge 2$有规律地变化，或者满足可积性条件：对于$p > 2$满足$\lim_{t \to \infty} t^p P(|ε_1| > t) = 0$，对于$p=2$满足$Eε_k^2 < \infty$.我们发现极限分布的测试下没有变化，并证明一致性短期流行病是$\ell^\ast=O(n^β)$的一些$0<β\le 1/2$。
2014-10-18 math.ST stat.TH
Rényi entropy for multivariate controlled autoregressive moving average systems
本文针对多元受控自回归滑动平均系统，推导了输出过程Rényi熵的显式公式，并通过仿真和两个实际应用验证了其行为。
2025-10-24 math.ST stat.TH
Testing for threshold regulation in presence of measurement error with an application to the PPP hypothesis
调节是表征许多动力学现象的重要特征，并且可以在阈值自回归设置内进行测试，其中原假设是全局非平稳过程。尽管如此，这种设置是有争议的，因为数据经常被测量误差破坏。因此，它是更合适的考虑阈值自回归移动平均模型作为一般的假设。我们实现了这个新的设置与集成的移动平均模型的一阶为原假设。我们推导出一个拉格朗日乘子检验，它具有渐近相似的零分布，并提供了第一个严格的证明，有关测试阈值非线性对差异平稳性，这是独立的利益的紧密性。仿真研究表明，当存在测量误差时，该方法比现有的阈值调节检测方法具有更小的偏差和更高的功率。我们将新方法应用于欧元区国家的每日实际汇率。它支持购买力平价假说，通过一个非线性的均值回复机制，在越过位于极端上尾的阈值时触发。此外，我们分析了欧元区的系列，并提出了一个阈值自回归移动平均规格，这揭示了新的购买力平价辩论。
2021-11-17 econ.EM math.ST stat.ME
Semiparametric Efficiency of Residual Correlation Testing under Gaussian Additive Noise Models
University of Kentucky（肯塔基大学）；Pennsylvania State University（宾夕法尼亚州立大学）
本文在高斯加性噪声模型下，证明了残差皮尔逊相关系数估计量是半参数有效的，并建立了条件独立性检验的渐近性质与推断方法。
2026-08-21 math.ST stat.ME stat.TH
Goodness-of-Fit Testing for Time Series Models via Distance Covariance
在许多统计建模框架中，通常对估计残差进行拟合优度检验。在时间序列设置中，使用样本自相关函数评估残差的白度。对于许多时间序列模型，特别是那些用于金融时间序列的模型，关于残差的关键假设是它们实际上是独立的，而不仅仅是不相关的。在本文中，我们应用自距离协方差函数（ADCV）来评估估计残差的序列相关性。距离协方差可以区分两个随机向量的相依性和独立性。对于一般的一类时间序列模型，导出了基于ADCV的检验统计量的极限行为。该理论的一个关键方面是调整由于参数估计而产生的相关性。无论型号规格如何，该调整基本上具有相同的形式。我们在模拟的例子中说明了结果。
2019-03-02 math.ST stat.ME stat.TH
IID Time Series Testing
传统的白噪声测试，例如Ljung-Box测试，仅研究自相关函数（ACF）。时间序列可以是异方差的，因此不是独立同分布的。但仍然是白噪声（即，具有零ACF）。异方差性的一个例子是金融时间序列：高方差的时间（金融危机）可以与低方差的时间（平静时间）交替出现。这里，时间序列项的绝对值不是白噪声。我们可以分别对原始值和绝对值进行白噪声测试，例如对两者都使用Ljung-Box测试。在本文中，我们创建了一个综合测试，它结合了这两个测试。此外，我们创建了一个通用框架来创建各种i.i.d.。试验.我们应用测试模拟数据，自回归线性和异方差。
2022-03-24 math.ST stat.TH
Residual permutation test for regression coefficient testing
针对高维线性模型回归系数检验问题，提出残差置换检验（RPT）方法，通过投影残差构造检验，在$p<n/2$时实现有限样本水平有效性，对重尾噪声具有渐近功效且信号要求达极小化极大最优速率。
2025-05-03 math.ST stat.ME stat.TH
Applications of Distance Correlation to Time Series
使用经验特征函数解决推理问题，包括在某些特殊参数设置下的估计和拟合拟合优度检验，有着悠久的历史，可以追溯到70年代（例如，参见Feuerverger和Mureika（1977），Csorgo（1981 a，1981 b，1981 c），Feuerverger（1993））。最近，在其他推理设置中使用经验特征函数已经重新引起了人们的兴趣。由Szekely和Rizzo（2009）开发的用于测量两个随机向量之间的依赖性和测试独立性的距离协方差和相关性，可能是对此最著名的说明。我们将这些想法应用到平稳的单变量和多元时间序列来测量时间序列中的滞后自相关性和交叉相关性。在强混合假设下，我们建立了样本自相关函数和交叉距离相关函数的渐近理论。我们也将自距离相关函数（ADCF）应用于自回归过程的残差，作为拟合拟合优度的检验。在自回归模型为真的情况下，经验ADCF的极限分布与基于iid序列的极限分布有很大不同。我们说明了使用的经验自动和交叉距离相关函数测试的依赖性和交叉依赖的时间序列在各种不同的情况下。
2016-06-17 math.ST stat.TH
Rank-based estimation for all-pass time series models
其中自回归多项式的所有根是移动平均多项式的根的倒数并且反之亦然的自回归-滑动平均模型被称为全通时间序列模型。全通模型对于识别和建模非因果和不可逆的自回归移动平均过程很有用。建立了全通模型参数秩估计的渐近正态性和相合性。通过最小化Jaeckel [Ann. Math. Statist. 43（1972）1449- 1458]。这些估计量可以具有与最大似然估计量相同的渐近效率，并且是稳健的。通过模拟研究了有限样本下估计量的行为，并将秩估计用于模拟水枪地震记录的反褶积。
2007-08-14 math.ST stat.TH
