NON- AND SEMIPARAMETRIC IDENTIFICATION OF SEASONAL NONLINEAR AUTOREGRESSION MODELS
季节性非线性自回归模型的非参数与半参数识别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：摘要直接研究季节性非线性自回归，并应用于国民生产总值和公共投资时间序列。
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
季节性非线性自回归模型的非参数与半参数识别
- 研究问题
- 对于季节性灵活程度不同的非线性自回归模型，如何开展非参数或半参数估计与滞后选择，并识别经济序列中的非线性动态？
- 方法与思路
- 作者对三类模型使用局部常数或局部线性估计；半参数情形先估计季节参数，再按标准非参数模型的方法估计函数和选择滞后。
- 材料陈述的贡献
- 摘要称三种方法在蒙特卡洛中表现良好，并在德国实际国民生产总值与英国公共投资数据中得到非线性动态的证据。
- 阅读关注点
- 应核对三类模型的季节限制、季节参数预估误差对后续步骤的影响、滞后选择规则，以及应用中非线性证据的具体统计依据。
- 阅读边界
- 所给 Crossref 摘要未列识别条件、选择准则、数据时期或数值结果；应用证据不能据此解释为因果关系，也不能推断版本变化。
原文摘要
Non- or semiparametric estimation and lag selection methods are proposed for three seasonal nonlinear autoregressive models of varying seasonal flexibility. All procedures are based on either local constant or local linear estimation. For the semiparametric models, after preliminary estimation of the seasonal parameters, the function estimation and lag selection are the same as nonparametric estimation and lag selection for standard models. A Monte Carlo study demonstrates good performance of all three methods. The semiparametric methods are applied to German real gross national product and UK public investment data. For these series our procedures provide evidence of nonlinear dynamics.