Continuous Time Regressions with Discrete Data
使用离散数据的连续时间回归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：摘要直接研究连续时间分布滞后模型、等间隔时间观测及频域估计，文本依据对应时间序列方向。
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
使用离散数据的连续时间回归
- 研究问题
- 当连续时间分布滞后模型只能获得等间隔离散观测时，如何估计其核函数参数，并建立估计量的渐近性质？
- 方法与思路
- 作者对连续时间模型作 Fourier 变换，再代入可计算的离散 Fourier 变换，形成便于处理的近似非线性回归模型。
- 材料陈述的贡献
- 摘要称，论文提出估计量并建立渐近性质，结果还支持包含微分、积分和时间平移操作的较一般连续时间系统估计。
- 阅读关注点
- 应核对平稳性、遍历性和解释变量混叠条件的准确表述，以及离散近似误差如何影响参数估计和渐近结论。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；混叠条件、采样间隔要求及渐近结论的具体形式未提供，不能推断刊本变化。
原文摘要
A general continuous time distributed lag model is considered. The problem is that of estimating the parameters of the kernel when, as is often the case, the available data consist not of a continuous record but of discrete observations recorded at regular intervals of time. Fourier transformation of the model and insertion of the computable, discrete Fourier transforms of the variables produce an approximate model which is of non-linear regression type and is relatively easy to handle. Estimators are proposed and their asymptotic properties established, assuming principally that the variables are stationary and ergodic and that an "aliasing" condition on the independent variable is satisfied. The results of the paper imply a theory for the estimation of rather general continuous time systems, involving the operations of differentiation, integration and translation through time.