Measuring the Permanent Component of a Series for Serially Correlated Observations
序列相关观测下序列永久成分的度量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：摘要明确涉及序列相关、一阶自回归过程及永久与暂时成分分解，直接对应时间序列。
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
序列相关观测下序列永久成分的度量
- 研究问题
- 如何用观测序列的加权平均度量永久成分，并在存在序列相关时，选择使永久成分与暂时成分不相关的权重？
- 方法与思路
- 作者提出负二项式与二项式两类权重方案，并在观测序列由稳定一阶自回归过程生成的情形下，分析成分之间的相关性。
- 材料陈述的贡献
- 摘要称，在稳定一阶自回归设定下，两类方案均存在使永久与暂时成分不相关的权重集合；具体权重及唯一性未说明。
- 阅读关注点
- 应核对永久与暂时成分的定义、权重是否使用未来观测，以及稳定一阶自回归条件下不相关结论的证明和适用边界。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；成分不相关不等于独立，也不能据此赋予其经济结构解释或推广至其他动态过程。
原文摘要
Alternative systems of negative binomial and binomial weights are proposed for measuring the permanent component of a series as a weighted average of the observed series. If the observed series is generated by a stable first-order autoregressive process it is shown that there are alternative sets of weights using either weighting scheme for which the permanent and transitory components are uncorrelated.