跳到正文
← 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:题名与摘要直接涉及宏观经济预测及时间序列技术的选择,因此归入时间序列和预测与即时预测方向。

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
James S. Fackler
Sandra C. Krieger

向量时间序列技术在宏观经济预测中的应用

研究问题
在经济变量预测中,不同时间序列技术的选择是否会影响预测表现,任意选择一种技术是否可能导致次优结果?
方法与思路
题名指向向量时间序列方法,摘要说明以经济预测实例展示技术选择的重要性,但未交代具体模型、变量或比较方案。
材料陈述的贡献
摘要称提供了一个技术选择显得重要的预测实例,提示随意选用方法可能产生次优结果;未报告具体改善幅度。
阅读关注点
阅读全文时应核对实例中的数据、候选模型、预测期限与评价标准,并检查比较是否采用一致的信息集和样本划分。
阅读边界
摘要未说明具体模型、数据和数值结果,仅能确认其研究动机与实例论证方向,无法判断哪种技术在其他情境下更好。

原文摘要

A wide variety of time series techniques are now used for generating forecasts of economic variables, with each technique attempting to summarize and exploit whatever regularities exist in a given data set. It appears that many researchers arbitrarily choose one of these techniques. The purpose of this article is to provide an example for which the choice of time series technique appears important; merely choosing arbitrarily among available techniques may lead to suboptimal results.

笔记与分组
相关领域论文