Functional-Coefficient Regression Models for Nonlinear Time Series
非线性时间序列的函数系数回归模型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：摘要明确研究非线性时间序列、自回归模型和样本外预测，但未限定宏观应用。
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
非线性时间序列的函数系数回归模型
- 研究问题
- 如何以灵活的函数系数模型刻画非线性时间序列动态，并同时处理估计、拟合优度检验与面向预测的带宽选择？
- 方法与思路
- 作者使用局部线性回归估计函数系数，提出新的 bootstrap 拟合优度检验和基于预期预测误差交叉验证的带宽选择。
- 材料陈述的贡献
- 摘要称模型包含阈值自回归等特例，研究了 α 混合条件下的渐近性质，并以模拟和真实数据展示动态刻画与预测。
- 阅读关注点
- 应核对函数系数的索引变量、α 混合及其他正则条件，以及 bootstrap 校准、预测误差估计和维度控制的范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；更好预测及缓解维度问题是摘要陈述，具体比较和成立条件未提供。
原文摘要
The local linear regression technique is applied to estimation of functional-coefficient regression models for time series data. The models include threshold autoregressive models and functional-coefficient autoregressive models as special cases but with the added advantages such as depicting finer structure of the underlying dynamics and better postsample forecasting performance. Also proposed are a new bootstrap test for the goodness of fit of models and a bandwidth selector based on newly defined cross-validatory estimation for the expected forecasting errors. The proposed methodology is data-analytic and of sufficient flexibility to analyze complex and multivariate nonlinear structures without suffering from the “curse of dimensionality.” The asymptotic properties of the proposed estimators are investigated under the α-mixing condition. Both simulated and real data examples are used for illustration.