Model Identification in Dynamic Regression (Distributed Lag) Models
动态回归（分布滞后）模型的识别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：摘要明确讨论分布滞后动态回归、非平稳序列处理及经济预测用途，因此归入时间序列与预测方向。
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
动态回归（分布滞后）模型的识别
- 研究问题
- 如何在实际应用中确定动态回归或分布滞后模型的结构，尤其是在序列非平稳、又有变量间因果关系先验判断时？
- 方法与思路
- 作者提出无需预白化且可直接处理非平稳序列的设定程序，并将变量间因果关系的先验判断与经验发现相互核对。
- 材料陈述的贡献
- 摘要称该程序可用于实际确定动态回归模型结构，并提供一个说明性示例；未给出相对于其他设定方法的性能比较。
- 阅读关注点
- 阅读全文时应核对非平稳序列的适用条件、滞后结构的选择规则，以及先验因果判断与经验结果不一致时如何处理。
- 阅读边界
- 摘要未说明非平稳性的类型、模型筛选标准及预测误差，也不能凭先验判断与经验发现一致，就认定因果效应已识别。
原文摘要
Dynamic regression models (also known as distributed lag models) are widely used in engineering for quality control and in economics for forecasting. In this article I propose a procedure for specifying such models in practice. The proposed procedure requires no prewhitening and can directly handle the nonstationary series. Furthermore, the procedure cross-validates prior beliefs about causal relationships between variables with empirical findings to ensure the suitability of model structure. An illustrative example is given.