Time Series Analysis in Pooled Cross-Sections
合并横截面重复序列中的时间序列分析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：摘要明确以谱方法合并横截面重复序列来开展时间序列分析，直接支持时间序列分类。
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
合并横截面重复序列中的时间序列分析
- 研究问题
- 当拥有多个横截面的时间序列重复样本时，能否通过谱方法进行加权合并，以改善较短序列下的时间序列估计表现？
- 方法与思路
- 作者利用谱表示提出跨横截面重复序列的合并权重，并通过模拟、蒙特卡洛结果及一个经验示例考察估计表现。
- 材料陈述的贡献
- 摘要称，估计量的良好渐近性质在所考察的短样本中仍有支持，并报告 T＝25、N＝5 的情形及经验示例。
- 阅读关注点
- 应核对各横截面序列是否同质、是否允许相互依赖、谱权重如何估计，以及短样本证据所依据的设计和比较指标。
- 阅读边界
- 仅据所给 Crossref 摘要，样本大小只是特定考察情形，不能视为普遍适用阈值；应用数据和版本变化均未说明。
原文摘要
This article proposes the use of spectral methods to pool cross-sectional replications ( N ) of time series data ( T ) for time series analysis. Spectral representations readily suggest a weighting scheme to pool the data. The asymptotically desirable properties of the resulting estimators seem to translate satisfactorily into samples as small as T = 25 with N = 5. Simulation results, Monte Carlo results, and an empirical example help confirm this finding. The article concludes that there are many empirical situations where spectral methods canbe used where they were previously eschewed.