Descriptive econometrics for non‐stationary time series with empirical illustrations
非平稳时间序列的描述性计量方法及实证示例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：摘要直接处理具有随机及确定性趋势的非平稳时间序列，并应用于通胀等序列。
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
非平稳时间序列的描述性计量方法及实证示例
- 研究问题
- 含随机或确定性趋势的非平稳序列，能否通过空间密度描述其经验分布与样本矩，并用于刻画通胀和通缩的风险位置？
- 方法与思路
- 作者回顾随机趋势序列的空间密度分析，将其扩展到确定性趋势，给出平均空间密度及样本矩极限，并提供应用和模拟。
- 材料陈述的贡献
- 摘要称，非平稳样本矩的极限可表示为空间密度下的矩，类似平稳总体矩；该方法还用于估计通胀与通缩的经验风险率。
- 阅读关注点
- 应核对空间密度和风险率的定义、两类趋势的假设、样本矩极限的意义，以及历史美国数据中的估计与不确定性处理。
- 阅读边界
- 仅依据 Crossref 摘要；所述风险集中区间是特定历史样本的经验结论，不能直接当作当前通胀预测或普遍稳定的概率规律。
原文摘要
Abstract Recent work by the author on methods of spatial density analysis for time series data with stochastic trends is reviewed. The methods are extended to include processes with deterministic trends, formulae for the mean spatial density are given, and the limits of sample moments of non‐stationary data are shown to take the form of moments with respect to the underlying spatial density, analogous to population moments of a stationary process. The methods are illustrated in some empirical applications and simulations. The empirical applications include macroeconomic data on inflation, financial data on exchange rates and political opinion poll data. It is shown how the methods can be used to measure empirical hazard rates for inflation and deflation. Empirical estimates based on historical US data over the last 60 years indicate that the predominant inflation risks are at low levels (2–6%) and low two‐digit levels (10–12%), and that there is also a significant risk of deflation around the −1% level. Copyright © 2001 John Wiley & Sons, Ltd.