Some Techniques for Analyzing a Set of Time Series Subject to a Linear Restriction
受线性约束的一组时间序列的分析方法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：摘要明确研究时间序列的趋势、季节及短期成分分解，并分析行业或商品对总量变动的贡献。
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
受线性约束的一组时间序列的分析方法
- 研究问题
- 如何将一组满足线性约束的时间序列分解为趋势、季节和非季节短期成分，同时使每类成分保持原有约束？
- 方法与思路
- 作者构造保持线性条件的时间序列分解方法，提出描述各序列相对变动的汇总指标，并讨论限制性假设下的简化计算。
- 材料陈述的贡献
- 摘要称，该分解可用于评估行业、商品等对加权或非加权总量不同类型变动的贡献，并提供示例计算表。
- 阅读关注点
- 应核对线性约束的形式、各成分定义与分解规则，以及加总一致性的实现，并检查简化计算所依赖的限制性假设。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法判断分解的唯一性、统计误差或实时表现；贡献分解不能据此解释为因果冲击识别。
原文摘要
Techniques are presented for decomposing each series in a set of time series into trend, seasonal, and non-seasonal, short-run components. The decomposition is such that if the original set of series satisfy a linear condition, the set of components of each type satisfy the same linear condition. This makes it possible to assess the contributions of different industries, commodities, etc., to different types of movements of weighted or unweighted aggregates. Additional summary measures are proposed for describing the relative movements of individual series. Short-Cuts in the analysis are outlined, based on certain restrictive assumptions. Finally, a table of illustrative calculations is presented and discussed.