Multiscale Comparison of Nonparametric Trend Curves
非参数趋势曲线的多尺度比较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：摘要直接比较多条时间序列的非参数时间趋势并构建趋势聚类。
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
非参数趋势曲线的多尺度比较
- 研究问题
- 多条时间序列是否具有相同趋势，哪些趋势彼此不同，以及差异具体发生在哪些时间区间，如何对此作出统计置信判断？
- 方法与思路
- 作者设计比较非参数时间趋势的多尺度检验，再据此构建同趋势序列的聚类算法，推导渐近理论并进行模拟和实际应用。
- 材料陈述的贡献
- 摘要称，方法允许对趋势差异及其所在区间作出严格置信陈述，并形成趋势聚类程序；应用涉及 GDP 增长与房价数据。
- 阅读关注点
- 应核对序列误差与依赖结构假设、尺度选择、多区间比较的置信保证，以及聚类理论和 GDP、房价应用中的趋势解释。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实。摘要未说明渐近条件、检验功效和聚类误差，不能判断短样本下的可靠性。
原文摘要
We develop new econometric methods for the comparison of nonparametric time trends. In many applications, practitioners are interested in whether the observed time series all have the same time trend. Moreover, they would often like to know which trends are different and in which time intervals they differ. We design a multiscale test to formally approach these questions. Specifically, we develop a test which allows to make rigorous confidence statements about which time trends are different and where (that is, in which time intervals) they differ. Based on our multiscale test, we further develop a clustering algorithm which allows to cluster the observed time series into groups with the same trend. We derive asymptotic theory for our test and clustering methods. The theory is complemented by a simulation study and two applications to GDP growth data and house pricing data.