A Note on Common Cycles, Common Trends, and Convergence
关于共同周期、共同趋势与收敛的札记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：摘要比较结构时间序列与共同特征方法，并明确评估美国区域人均收入的样本后预测，支持时间序列及宏观预测分类。
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…
关于共同周期、共同趋势与收敛的札记
- 研究问题
- 结构时间序列模型与共同特征方法如何处理趋势和周期，允许向共同增长路径收敛的模型在美国区域人均收入预测中表现如何？
- 方法与思路
- 作者比较两类时间序列方法，用样本后数据检验区域人均收入预测；同时提出共同周期检验，给出渐近分布并模拟研究小样本性质。
- 材料陈述的贡献
- 摘要报告一个共同周期检验及其渐近分布，并讨论允许向共同增长路径收敛的结构模型，应用尤其关注采用高阶周期的影响。
- 阅读关注点
- 阅读时应核对两类方法的趋势设定、收敛的具体含义、共同周期检验的原假设与条件，以及高阶周期怎样影响解释和预测。
- 阅读边界
- 摘要未说明检验统计量、渐近条件、模拟结论及样本后预测结果；无法仅凭摘要判断模型是否支持实际收敛或提高预测准确性。
原文摘要
This article compares and contrasts structural time series models and the common features methodology. The way in which trends are handled is highlighted by describing a recent structural time series model that allows convergence to a common growth path. Postsample data are used to test its forecasting performance for income per head in U.S. regions. A test for common cycles is proposed, its asymptotic distribution is given, and small-sample properties are studied by Monte Carlo experiments. Applications are presented, with special attention given to the implications of using higher-order cycles.