Multiscale Comparison of Nonparametric Trend Curves
非参数趋势曲线的多尺度比较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：摘要明确研究多条时间序列的非参数趋势比较、差异区间定位及趋势聚类。
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
非参数趋势曲线的多尺度比较
- 研究问题
- 面对多条具有时间趋势的序列，如何判断哪些序列的趋势不同，并定位差异出现的时间区间及趋势相同的序列组？
- 方法与思路
- 作者设计多尺度检验，对趋势差异及其所在区间作置信陈述，再据此构造聚类算法，并推导检验与聚类的渐近理论。
- 材料陈述的贡献
- 摘要称该方法同时支持趋势差异的区间定位和共同趋势分组，并通过模拟及房价、GDP 增长数据应用补充理论分析。
- 阅读关注点
- 应核对趋势平滑与序列依赖条件、多尺度检验的联合误差控制、区间定位精度，以及聚类正确性所需的趋势分离条件。
- 阅读边界
- 所给 OpenAlex 摘要未说明带宽、临界值计算和具体比较结果；据此不能判断实际定位能力或推断后续刊本变化。
原文摘要
We develop new econometric methods for the comparison of nonparametric time trends. In many applications, practitioners are interested in examining the trending behaviour of multiple time series. Among other things, they would like to know which time series have different trends and in which time intervals the differences occur. We design a multiscale test to formally approach these questions. Specifically, we develop a test which allows to make rigorous confidence statements about which time trends are different and where (i.e., in which time intervals) they differ. Based on our multiscale test, we further develop a clustering algorithm which allows to cluster the observed time series into groups with the same trending behaviour. We derive asymptotic theory for our test and clustering methods. The theory is complemented by a simulation study and two applications to house pricing and GDP growth data.