Seasonality in Regression: An Application of Smoothness Priors
回归中的季节性：平滑先验的应用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：摘要明确研究回归中的季节性和随季节变化的系数，直接关联时间序列建模。
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
回归中的季节性：平滑先验的应用
- 研究问题
- 回归中的季节性是否应通过允许全部系数随季节平滑变化来处理？研究关注常规季节性处理方式可能带来的模型限制。
- 方法与思路
- 作者以平滑约束允许回归系数随季节变化，基于分布滞后估计思路发展贝叶斯方法，并开展抽样实验及软饮料需求应用。
- 材料陈述的贡献
- 摘要称该方法在所给抽样实验中明显优于普通最小二乘，并展示需求估计应用；贡献核心是平滑变化的季节系数建模。
- 阅读关注点
- 应核对季节系数的平滑先验、约束强度如何确定，以及实验中的最小二乘基准、评价标准和需求应用的模型设定。
- 阅读边界
- 仅依据OpenAlex索引摘要，稿件版本未注明。摘要未报告先验细节、数值结果或因果识别条件，实验优势不代表所有季节模型。
原文摘要
This article argues that conventional approaches to the treatment of seasonality in econometric investigation are often inappropriate. A more appropriate technique is to allow all regression coefficients to vary with the season, but to constrain them to do so in a smooth fashion. A Bayesian method of estimating smoothly varying seasonal coefficients is developed, based on Shiller's (1973) approach to estimating distributed lags. In a sampling experiment, this technique outperforms ordinary least squares by a substantial margin. An application of this technique to the estimation of the demand for soft drinks is also presented.