Generalized linear time series regression
广义线性时间序列回归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：摘要明确分析潜在共同时间序列、确定性趋势及广义线性时间序列回归，直接对应时间序列方法。
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…
广义线性时间序列回归
- 研究问题
- 当模型同时包含个体成分、确定性时间趋势和不可观测的共同时间序列成分时，后两者的参数能否不受个体参数估计影响？
- 方法与思路
- 作者分别研究个体成分与趋势采用线性设定时的最小二乘估计，以及更一般广义线性时间序列模型中的准似然估计。
- 材料陈述的贡献
- 摘要称，潜在时间序列和确定性趋势参数具有预言性质，其渐近估计精度可达到个体成分参数已知时的水平。
- 阅读关注点
- 应核对横截面与时间维度的采样结构、共同潜在过程的识别条件，以及预言性质对应的渐近框架和参数范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。样本维度增长方式和完整条件未说明，不能将预言性质解释为有限样本等价。
原文摘要
We consider a cross-section model that contains an individual component, a deterministic time trend and an unobserved latent common time series component. We show the following oracle property: the parameters of the latent time series and the parameters of the deterministic time trend can be estimated with the same asymptotic accuracy as if the parameters of the individual component were known. We consider this model in two settings: least squares fits of linear specifications of the individual component and the parameters of the deterministic time trend and, more generally, quasilikelihood estimation in a generalized linear time series model.