A simple and efficient simulation smoother for state space time series analysis
状态空间时间序列分析的简便高效模拟平滑器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：摘要明确针对状态空间时间序列模型中的条件模拟与平滑，直接对应时间序列方向。
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
状态空间时间序列分析的简便高效模拟平滑器
- 研究问题
- 在状态空间时间序列模型中，如何给定观测抽取状态或扰动向量的条件样本，并处理弥散初始条件和回归效应？
- 方法与思路
- 作者提出新的模拟平滑技术，纳入弥散初始条件与回归效应，并与此前标准方法作计算比较及两项推断应用演示。
- 材料陈述的贡献
- 摘要称，新技术简单且计算高效；两项应用分别展示其用于贝叶斯推断的 Gibbs 采样和经典推断的重要性采样。
- 阅读关注点
- 应核对条件抽样算法、弥散初始化的处理与模型适用范围，并审查计算比较是否采用相同规模及精度要求。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出模型限制、复杂度或速度比较数值，不能推断适用于任意非线性模型。
原文摘要
A simulation smoother in state space time series analysis is a procedure for drawing samples from the conditional distribution of state or disturbance vectors given the observations. We present a new technique for this which is both simple and computationally efficient. The treatment includes models with diffuse initial conditions and regression effects. Computational comparisons are made with the previous standard method. Two applications are provided to illustrate the use of the simulation smoother for Gibbs sampling for Bayesian inference and importance sampling for classical inference.