Time Series Analysis by Modified Least-Squares Techniques
使用修正最小二乘技术的时间序列分析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：摘要直接研究经济季度时间序列的趋势分解与季节调整，并应用于失业序列。
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
使用修正最小二乘技术的时间序列分析
- 研究问题
- 在季节成分固定、趋势可由局部多项式描述时，如何估计经济季度序列的趋势和季节成分，并进行季节调整？
- 方法与思路
- 作者对连续两年季度窗口分别作最小二乘估计，再将重叠窗口产生的成分估计按最小化平均值方差的权重组合。
- 材料陈述的贡献
- 摘要称，该程序用于美国男性失业序列的季节调整，与劳工统计局官方调整相比表现良好，但未给出评价数值。
- 阅读关注点
- 应核对局部多项式阶数、重叠估计之间的协方差、最优权重计算，以及序列首尾七个季度的处理与比较标准。
- 阅读边界
- 来源为 OpenAlex 索引摘要，稿件版本未注明；结论依赖固定季节成分与局部趋势设定，摘要未说明官方比较指标或端点处理。
原文摘要
This paper presents a procedure for estimating the components in an economic time series assuming a constant seasonal component and a trend which may be estimated locally by a polynomial. The procedure is to estimate the trend and seasonal components for each consecutive two-year time span of quarterly data using conventional least-square techniques. Thus, for each quarter in the series, except the first seven and last seven, there are eight estimates for each of these components. A weighted average of these estimates is obtained using weights such that the variance of the average is a minimum. This procedure is used to adjust male unemployment in the United States for seasonal variation, and the results compare favorably with the official adjustment of the Bureau of Labor Statistics.