Characterizing nonlinearities in business cycles using smooth transition autoregressive models
用平滑转换自回归模型刻画商业周期非线性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：摘要以生产指数的非线性、自回归动态和商业周期刻画为核心。
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
用平滑转换自回归模型刻画商业周期非线性
- 研究问题
- 生产等商业周期序列是否具有非线性，平滑转换自回归模型能否刻画其对较大负向冲击的不同响应？
- 方法与思路
- 作者假定非线性序列可由 STAR 模型描述，对十三个国家及欧洲的季度对数生产指数检验线性并估计模型。
- 材料陈述的贡献
- 摘要称，多数序列拒绝线性，估计结果显示非线性主要用于描述生产对石油价格冲击等较大负向冲击的响应。
- 阅读关注点
- 应核对转换变量、函数形式、线性检验及模型诊断，并判断负向冲击响应的解释是否获得独立识别支持。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，无法判断 STAR 设定的充分性或冲击的因果识别；多数序列拒绝线性也不保证模型正确。
原文摘要
During the past few years investigators have found evidence indicating that various time-series representing business cycles, such as production and unemployment, may be nonlinear. In this paper it is assumed that if the time-series is nonlinear, then it can be adequately described by a smooth transition autoregressive (STAR) model. The paper describes the application of these models to quarterly logarithmic production indices for 13 countries and "Europe." Tests reject linearity for most of these series, and estimated.STAR models indicate that the nonlinearity is needed mainly to describe the responses of production to large negative shocks such as oil price shocks. Copyright 1992 by John Wiley & Sons, Ltd.