Temporal Aggregation and Economic Time Series
时间聚合与经济时间序列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：摘要直接讨论经济数据时间聚合对周期、动态过程和长期持续性的影响，归入时间序列；未明确涉及预测或其他给定细分。
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
时间聚合与经济时间序列
- 研究问题
- 把经济时间序列从月度或季度聚合为年度，会如何改变估计得到的周期特征与长期持续性，以及丢失哪些底层动态信息？
- 方法与思路
- 作者围绕时间聚合造成的信息损失，比较不同观测频率下估计的时间序列过程、低频周期变化和长期持续性；摘要未说明具体估计方法。
- 材料陈述的贡献
- 摘要称，时间聚合带来的损失较大：月度数据中超过一年的周期在年度聚合后消失，年度过程更简单，且呈现更强的长期持续性。
- 阅读关注点
- 阅读全文时应核对原始数据、聚合规则和模型选择方法，区分底层动态与聚合造成的表观变化，并检查周期消失的判定依据。
- 阅读边界
- 摘要未交代经济序列种类、样本范围、模型细节和统计不确定性，所述周期消失与持续性增强不能直接视为所有经济数据的普遍规律。
原文摘要
The authors examine the effects of temporal aggregation on the estimated time-series properties of economic data. Theory predicts temporal aggregation loses information about the underlying data processes. The authors find those losses to be substantial. Monthly and quarterly data are governed by complex time-series processes with much low-frequency cyclical variation, whereas annual data are governed by extremely simple processes with virtually no cyclical variation. Cycles of much more than a year's duration in the monthly data disappear when the data are aggregated to annual observations. Also, the aggregated data show more long-run persistence than the underlying disaggregated data.