Measuring intervention Effects on Multiple Time Series Subjected to Linear Restrictions: A Banking Example
线性约束下多元时间序列干预效应的测量：银行业实例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：摘要围绕多元时间序列、干预分析及总量与分项的线性约束展开，直接对应时间序列建模与推断。
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…
线性约束下多元时间序列干预效应的测量：银行业实例
- 研究问题
- 当多条时间序列须满足线性约束时，如何估计干预效应，并让总量序列的单变量分析与多元分析结果保持相容？
- 方法与思路
- 作者区分两种情形：多元干预分析后的约束调整，以及先分析由线性约束得到的总量序列，再协调单变量与多元结果。
- 材料陈述的贡献
- 摘要称，为上述两种设定提供最小方差线性无偏估计量，并以促成该问题研究的银行业实例展示所提出的解决方案。
- 阅读关注点
- 应核对线性约束的具体形式、估计量的推导条件，以及总量与分项干预估计如何协调；同时查看银行实例的设定。
- 阅读边界
- 摘要未说明干预时间、误差结构及银行数据细节；仅凭摘要不能判断估计量在具体样本中的表现或干预的因果解释。
原文摘要
The authors consider the problem of estimating the effects of an intervention on a time-series vector subjected to a linear constraint. Minimum variance linear and unbiased estimators are provided for two different formulations of the problem--(1) when a multivariate intervention analysis is carried out and an adjustment is needed to fulfill the restriction and (2) when a univariate intervention analysis was performed on the aggregate series obtained from the linear constraint, previous to the multivariate analysis, and the results of both analyses are required to be made compatible with each other. A banking example that motivated this work illustrates the authors' solutions.