Dynamic Linear Model Diagnostics
动态线性模型的诊断方法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：摘要明确以动态线性模型的时间序列分析及状态滤波、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
动态线性模型的诊断方法
- 研究问题
- 在动态线性时间序列模型的回顾性分析中，如何评估单个观测对过去状态参数的滤波或平滑分布的影响？
- 方法与思路
- 作者逐次删除一个观测，推导用于过去状态参数的新滤波方程，以构造动态模型下类似静态回归的影响诊断。
- 材料陈述的贡献
- 摘要称获得计算简便的留一观测滤波方程，并展示其对回顾性影响评估的用途，将常见回归诊断扩展到动态模型。
- 阅读关注点
- 应核对删除观测后信息如何传播至过去状态、滤波与平滑分布各如何处理，以及诊断量的解释与计算要求。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；状态与观测模型条件、诊断判据和计算节省程度未具体说明。
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.