A multivariate approach to modeling univariate seasonal time series
单变量季节时间序列建模的多变量方法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：摘要直接讨论季节序列、单位根和协整，核心是时间序列结构而非冲击识别，故选择时间序列方向。
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
单变量季节时间序列建模的多变量方法
- 研究问题
- 如何将单变量季节序列转化为年度向量序列，允许系数随季节变化，并利用协整分析研究季节单位根？
- 方法与思路
- 作者将各季节观测组成年度向量并建立向量自回归；当向量分量具有整合性时，使用最大似然协整方法检验相关关系。
- 材料陈述的贡献
- 摘要称，这种协整方法的应用推广了一种季节单位根检验程序，并通过模拟和实例展示其经验表现。
- 阅读关注点
- 应核对年度向量的构造、周期变化系数的含义、整合阶数及协整限制，以及其与原季节单位根检验的对应关系。
- 阅读边界
- 仅据所给机构库版本摘要；摘要未列出检验条件、模拟设计和实例结果，不能判断一般适用性或推断后续刊本变化。
原文摘要
A seasonal time series can be represented by a vector autoregressive model for the annual series containing the seasonal observations. This model allows for periodically varying coefficients. When the vector elements are integrated, the maximum likelihood cointegration method can be used to check for the presence of, possibly restricted, cointegration relations between these annual series. In this paper it is shown that this application generalizes a test procedure for seasonal unit roots. Simulations and examples illustrate its empirical performance.