Some Techniques for Analyzing a Set of Time Series Subject to a Linear Restriction
满足线性约束的一组时间序列的分析方法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：摘要明确研究多条时间序列的趋势、季节与短期成分分解及总量运动分析。
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
满足线性约束的一组时间序列的分析方法
- 研究问题
- 如何把一组满足线性约束的时间序列分解为趋势、季节和非季节短期成分，并使各类成分仍满足原有线性约束？
- 方法与思路
- 作者设计保持线性约束的成分分解方法，用于评估各行业或商品对总量不同波动的贡献，并提出相对运动的汇总指标。
- 材料陈述的贡献
- 摘要称，该分解便于分析加权或非加权总量的变化来源，还给出描述个别序列相对变化的指标、简化步骤和示例计算。
- 阅读关注点
- 应核对分解如何保持线性约束、各成分的定义与唯一性，以及简化分析所依赖的限制假设和汇总指标的解释。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未说明完整分解算法、统计误差或简化假设，不能推断因果贡献或刊本变化。
原文摘要
Techniques are presented for decomposing each series in a set of time series into trend, seasonal, and non-seasonal, short-run components. The decomposition is such that if the original set of series satisfy a linear condition, the set of components of each type satisfy the same linear condition. This makes it possible to assess the contributions of different industries, commodities, etc., to different types of movements of weighted or unweighted aggregates. Additional summary measures are proposed for describing the relative movements of individual series. Short-Cuts in the analysis are outlined, based on certain restrictive assumptions. Finally, a table of illustrative calculations is presented and discussed.