Calendar Effects in Monthly Time Series: Detection by Spectrum Analysis and Graphical Methods
月度时间序列中的日历效应：谱分析与图形检测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：摘要明确研究月度商业与经济时间序列的谱分析、时域诊断和日历效应。
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
月度时间序列中的日历效应：谱分析与图形检测
- 研究问题
- 对于按月汇总的经济时间序列，如何识别月长变化、周周期与节假日造成的日历效应，并检查调整是否充分？
- 方法与思路
- 作者介绍谱分析与时域图形两组诊断方法，分别用于原始月度序列的初步分析和日历调整后的残留效应检查。
- 材料陈述的贡献
- 摘要称，这些诊断可帮助判断是否需要日历调整，并检验调整后是否仍存在日历变化，重点在效应检测。
- 阅读关注点
- 应核对不同日历因素的频谱与图形特征、诊断实施步骤，以及经济周期或其他季节变化是否会干扰判断。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；检验阈值、误判率及调整算法未说明，不能据此判断预测改进或后续刊本变化。
原文摘要
Many time series, particularly national business and economic series, which are reported monthly and represent a total of the series for each month, contain calendar effects due to changing month length, weekly periodicities, and holidays. It is important to detect and remove this spurious calendar variation to allow a better appreciation of the variation in the series due to important factors. This article discusses detection. Two sets of diagnostic methods for detecting calendar effects in monthly time series, spectrum analyses and time domain graphical displays, are described. These methods can be used in an initial analysis to decide if calendar adjustment is necessary and can be used on an adjusted series to determine if the adjustment has properly removed all of the calendar effects.