Bayesian Seasonal Adjustment for Survey Time Series
调查时间序列的贝叶斯季节调整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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究调查时间序列的季节调整、潜在趋势和测量误差分解；未以未来预测或正式结构变化检验为主要目标。
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
调查时间序列的贝叶斯季节调整
- 研究问题
- 季节调整忽略调查估计的抽样误差时，如何区分真实趋势、季节变化与测量噪声，并为调整后的序列提供不确定性估计？
- 方法与思路
- 作者将时变抽样误差方差纳入基本结构模型，扩展动态极小极大贝叶斯框架，通过两块 Gibbs 抽样获得状态平滑后验。
- 材料陈述的贡献
- 摘要称，可从联合后验得到趋势、趋势变动和季调估计的可信区间；模拟覆盖改善，澳大利亚应用提示季节波动受测量噪声影响。
- 阅读关注点
- 应核对抽样方差的处理、模型与先验设定、与 X-11 的等价条件，以及季节方差估计为零的稳健性与区间校准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；模型内可信区间不自动保证频率覆盖，单个调查应用也不能普遍否定季节漂移。
原文摘要
Seasonal adjustment procedures used by national statistical offices -- X-11 and X-12-ARIMA -- treat each survey estimate as an exact observation, discarding the accompanying standard errors that survey methodologists routinely compute. This paper closes that gap by embedding time-varying sampling error variances into a Basic Structural Model (BSM), extending a recently proposed Dynamic Mini-Max (DMM) Bayesian framework for survey estimation. Via the Harvey-Todd equivalence, BSM with zero measurement error variance reduces to X-11-style seasonal adjustment, so DMM-BSM is a principled Bayesian generalisation of existing practice rather than a departure from it. A two-block Gibbs sampler delivers the full joint smoothing posterior of the latent state trajectory. Exact credible intervals for the trend level, k-step trend movements (k=1,2,...), and seasonally adjusted estimates follow directly, together with posterior probabilities of directional change -- outputs that X-11 cannot provide. Simulation studies with within-replication parameter estimation confirm substantially higher credible interval coverage than the X-11-equivalent model across both large and small survey domains. Applied to 120 months of Australian Bureau of Statistics Labour Force Survey data, once sampling variance is modelled the maximum likelihood estimate of stochastic seasonal variance collapses to zero -- evidence that apparent seasonal fluctuations in the published series are largely attributable to measurement noise rather than genuine seasonal drift, a distinction X-11 cannot make.