Dynamic linear model diagnostics
动态线性模型诊断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：摘要明确以时间序列动态线性模型及过去状态的滤波、平滑诊断为研究对象。
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
动态线性模型诊断
- 研究问题
- 在动态线性模型的时间序列回顾分析中，如何评估单个观测对过去状态参数滤波或平滑分布的影响？
- 方法与思路
- 作者推导逐次删除一个观测后针对过去状态参数的新滤波方程，以计算简便的方式开展动态模型影响诊断。
- 材料陈述的贡献
- 摘要称提出并展示用于回顾性影响评估的新结果，将静态回归中使用的诊断思路扩展到动态线性模型。
- 阅读关注点
- 应核对删除观测后的滤波递推、与平滑分布的联系，以及影响指标的定义、模型条件和示例中的解释方式。
- 阅读边界
- 索引摘要未注明稿件版本，不能推断刊本变化；摘要未提供具体递推式或复杂度，不能据此判断所有状态空间模型的适用性。
原文摘要
In time series analysis using dynamic linear models, retrospective analysis involves the calculation of filtered, or smoothed, distributions for state parameters in the past. We develop and illustrate novel results that are useful in retrospective assessment of the influence of individual observations on such distributions. In particular, new and computationally simple filtering equations are derived for past state parameters based on leaving out one observation at a time, providing dynamic model based versions of methods currently used in standard, static regression diagnostics.