R 2 Measures for Time Series
时间序列的决定系数度量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：摘要直接讨论时间序列回归、滞后信息、预滤波与创新方差。
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
时间序列的决定系数度量
- 研究问题
- 当因变量自身过去值已解释部分变动时，如何衡量时间序列回归的额外解释力，避免传统决定系数的含混？
- 方法与思路
- 作者以仅使用因变量过去值的模型作为比较基准，将因变量的创新方差作为需要解释的方差来构造替代度量。
- 材料陈述的贡献
- 摘要称提出并展示一种替代决定系数，用于区分回归模型的解释力与因变量自身历史信息提供的解释力。
- 阅读关注点
- 应核对创新方差及基准模型的定义、新度量的计算方法，以及差分等预滤波操作下的适用条件和解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，版本未注明；具体公式、估计条件与预滤波下的性质未说明，不能推断完全不受滤波影响。
原文摘要
With time series data, the conventional regression R 2 is a nebulous concept, as the explained variation consists in part of variation that can be attributed merely to past values of the dependent variable. Thus R 2 is extremely sensitive to prefiltering operations such as first differencing. This article develops and illustrates an alternative R 2 concept, which eliminates this ambiguity by measuring the explanatory power of a time series-regression model relative to that of the past values of the dependent variable alone. The variance to be explained by the model is thus taken to be the innovation variance of the dependent variable.