To Aggregate, Pool, or Neither
预测数据应聚合、合并，还是两者都不采用？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：摘要研究专业预测者调查中的预测无偏性，并以单整、协整条件分析聚合与合并估计的一致性，对应预测和时间序列。
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
预测数据应聚合、合并，还是两者都不采用？
- 研究问题
- 在预测者掌握私人信息且共享同一实现值时，聚合或合并预测能否用于无偏性检验，单整、协整与微观同质性有何作用？
- 方法与思路
- 作者分析私人信息和共同实现值下的聚合与合并估计，研究预测及实现值单整且协整时微观同质性的作用，并使用专业预测者调查检验。
- 材料陈述的贡献
- 摘要称，单整且协整时，微观同质性保证两类估计一致；调查中的若干预测拒绝该条件，因此其无偏性应在个体层面检验。
- 阅读关注点
- 核对微观同质性的精确定义、单整与协整条件、共同实现值如何影响估计，以及个体无偏性检验如何处理私人信息。
- 阅读边界
- 摘要未列出被拒绝同质性的具体变量、样本与检验细节；其一致性结论依赖给定条件，不能推广为所有预测都须单独检验。
原文摘要
It is well known that, even if all forecasters are rational, unbiasedness tests using consensus forecasts are inconsistent because forecasters have private information. However, if all forecasters face a common realization, pooled estimators are also inconsistent. In contrast, we show that when predictions and realizations are integrated and cointegrated, microhomogeneity ensures that consensus and pooled estimators are consistent. Therefore, contrary to claims in the literature, in the absence of microhomogeneity, pooling is not a solution to the aggregation problem. We reject microhomogeneity for a number of forecasts from the Survey of Professional Forecasters. Therefore, for these variables unbiasedness can only be tested at the individual level.