Measuring the Permanent Component of a Series for Serially Correlated Observations
序列相关观测下序列永久成分的测量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：摘要明确研究序列相关、一阶自回归过程及序列成分的加权分解。
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
序列相关观测下序列永久成分的测量
- 研究问题
- 当观测序列存在序列相关时，如何通过加权平均提取永久成分，并在特定生成过程下使永久与暂时成分不相关？
- 方法与思路
- 作者提出负二项式和二项式两类权重体系，以观测序列的加权平均测量永久成分，并分析稳定一阶自回归过程。
- 材料陈述的贡献
- 摘要称，若观测来自稳定一阶自回归过程，两种权重体系均存在可使永久成分与暂时成分不相关的替代权重集合。
- 阅读关注点
- 应核对永久成分的定义、权重所用观测范围、稳定性条件，以及不相关结论如何依赖自回归过程与权重选择。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明，无法判断刊本变化；摘要未给出权重公式，也不能把不相关解释为独立或经济结构识别。
原文摘要
Alternative systems of negative binomial and binomial weights are proposed for measuring the permanent component of a series as a weighted average of the observed series. If the observed series is generated by a stable first-order autoregressive process it is shown that there are alternative sets of weights using either weighting scheme for which the permanent and transitory components are uncorrelated.