Forecasting With Dynamic Regression Models.
利用动态回归模型进行预测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：题名与目录明确包含动态回归预测、ARIMA 和向量 ARMA，对应时间序列与预测方向。
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
利用动态回归模型进行预测
- 研究问题
- 所给目录式材料围绕如何建立、检验和修正动态回归模型展开，并涵盖干预、异常值处理以及估计和预测等主题。
- 方法与思路
- 材料列出 ARIMA 与回归基础、有理分布滞后、模型识别和检查，并将动态回归置于向量 ARMA 框架下讨论。
- 材料陈述的贡献
- 材料体现对动态回归建模流程和预测技术的系统覆盖，但未陈述新的理论、算法或可核验的预测性能比较结果。
- 阅读关注点
- 应先核对来源的文献类型，再查看动态关系与误差结构的识别、模型诊断，以及干预处理和预测评估的具体安排。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引材料，内容呈目录形式；不能据此判断原创贡献、预测精度，或将干预分析直接视为因果识别。
原文摘要
A Primer on ARIMA Models. A Primer on Regression Models. Rational Distributed Lag Models. Building Dynamic Regression Models: Model Identification. Building Dynamic Regression Models: Model Checking, Reformulation, and Evaluation. Intervention Analysis. Intervention and Outlier Detection and Treatment. Estimation and Forecasting. Dynamic Regression Models in a Vector ARMA Framework. Appendices. References. Index.