A Bayesian Time Series Model of Multiple Structural Changes in Level, Trend, and Variance
水平、趋势与方差多重结构变化的贝叶斯时间序列模型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：摘要明确建模时间序列水平、趋势与方差的多重结构变化，并以美国实际利率及实际 GDP 为例。
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
水平、趋势与方差多重结构变化的贝叶斯时间序列模型
- 研究问题
- 当时间序列的水平、趋势和误差方差可能多次改变时，如何估计断点时点，并选择断点数量及结构变化形式？
- 方法与思路
- 作者在给定断点数量、时点未知的确定性趋势动态模型中使用 Gibbs 抽样，再比较边际似然、后验赔率与 Schwarz 贝叶斯准则进行模型选择。
- 材料陈述的贡献
- 摘要称，该贝叶斯框架同时纳入水平、趋势和方差变化，并以小规模蒙特卡洛实验及美国事后实际利率、实际 GDP 序列考察其应用。
- 阅读关注点
- 核对断点与参数的先验、Gibbs 抽样实现，以及给定断点数的估计如何衔接模型选择；关注小规模模拟覆盖哪些变化情形。
- 阅读边界
- 摘要未说明先验敏感性、模拟设计及各准则的比较结果，无法判断断点估计的可靠性或对实际数据的模型选择效果。
原文摘要
We consider a deterministically trending dynamic time series model in which multiple structural changes in level, trend, and error variance are modeled explicitly and the number, but not the timing, of the changes is known. Estimation of the model is made possible by the use of the Gibbs sampler. The determination of the number of structural breaks and the form of structural change is considered as a problem of model selection, and we compare the use of marginal likelihoods, posterior odds ratios, and Schwarz's Bayesian model-selection criterion to select the most appropriate model from the data. We evaluate the efficacy of the Bayesian approach using a small Monte Carlo experiment. As empirical examples, we investigate structural changes in the U.S. ex post real interest rate and in a long time series of U.S. real gross domestic product.