Estimation of polynomial distributed lags and leads with end point constraints
带端点约束的多项式分布滞后与超前项估计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：摘要明确研究分布滞后、分布超前项和动态长度估计，直接对应时间序列中的动态回归方法。
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
带端点约束的多项式分布滞后与超前项估计
- 研究问题
- 在多项式次数固定且权重于端点为零时，如何联合估计分布滞后的长度与其余参数，并将这一框架扩展到分布超前项？
- 方法与思路
- 作者将端点滞后长度从固定整数推广为待估实数，与其余参数联合估计，推导全部估计量的渐近协方差，并讨论超前项。
- 材料陈述的贡献
- 摘要称将传统多项式分布滞后框架扩展至实数端点估计，并给出包含端点估计量的渐近协方差及分布超前项分析。
- 阅读关注点
- 应核对实数端点如何进入滞后权重、端点约束与参数识别，以及协方差推导的正则条件和理性预期下超前项的处理。
- 阅读边界
- 仅据所给 OpenAlex 摘要，不能判断长度估计的有限样本可靠性；摘要未说明连续端点的实现、识别条件或应用结果。
原文摘要
This paper considers the use of the polynomial distributed lag (PDL) technique when the lag length is estimated rather than fixed. We focus on the case where the degree of the polynomial is fixed, the polynomial is constrained to be zero at a certain lag length q, and q is estimated along with the other parameters. We extend the traditional PDL setup by allowing q to be real-valued rather than integer-valued, and we derive the asymptotic covariance matrix of all the parameter estimates, including the estimate of q. The paper also considers the estimation of distributed leads rather than lags, a case that can arise if expectations are assumed to be rational.