Alternative procedures for converting qualitative response data to quantitative expectations: An application to Australian manufacturing
将定性调查回答转化为定量预期的方法：澳大利亚制造业应用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：摘要核心是利用制造业调查预期进行预测，并比较预测误差及转折点识别。
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
将定性调查回答转化为定量预期的方法：澳大利亚制造业应用
- 研究问题
- 研究怎样将定性预期调查转成定量预测，以及这些调查信息相对简单时间序列模型有何预测价值。
- 方法与思路
- 作者比较概率模型、时变参数概率模型和回归转换方法，以预测误差和转折点识别评价，并作总体正交性检验。
- 材料陈述的贡献
- 摘要称预期模型在许多序列上具有较低预测均方根误差，且更能发现转折点；同时检验总体层面的理性预期。
- 阅读关注点
- 应核对回答类别的量化假设、预测比较的信息集与样本安排，以及正交性检验使用哪些变量和限制。
- 阅读边界
- 仅据所给 Crossref 摘要，不能确定哪些序列获益及改善幅度；理性预期检验的结果和样本外安排均未说明。
原文摘要
Abstract This paper analyses and extends alternative procedures for converting qualitative expectations responses to quantitative expectations. A number of conversion procedures is investigated, including the probability model, the time‐varying parameter probability model, and the regression approach. The informational content of the survey expectations is compared with simple time series models. It is found that the expectations models are superior for many series, both in terms of producing lower forecast root mean square error (RMSE) values and in detecting turning points in the actual data. Survey expectations are also tested for rational expectations in aggregate using the orthogonality test.