WEIGHTED SMOOTH TRANSITION REGRESSIONS
加权平滑转换回归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：摘要明确使用滞后观测构造平滑转换回归，并开展与线性及其他非线性模型的预测比较，对应时间序列与预测。
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
加权平滑转换回归
- 研究问题
- 平滑转换模型能否用滞后观测的加权函数确定转换变量，从而减少滞后选择负担，并改善非线性检验与预测表现？
- 方法与思路
- 作者以两个未知参数控制滞后权重，仅要求指定最大滞后；通过参数搜索及 bootstrap 推断检验非线性。
- 材料陈述的贡献
- 摘要称异方差稳健的 wild bootstrap 检验在同方差与异方差实验中表现良好，WSTR 的预测比较也显示良好表现。
- 阅读关注点
- 应核对权重函数形式、搜索范围、bootstrap 实施步骤，以及预测比较的数据、期限和损失指标。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断检验的具体条件、实验设计或预测改善幅度；“表现良好”不等于普遍占优。
原文摘要
SUMMARY A new procedure is proposed for modelling nonlinearity of a smooth transition form, by allowing the transition variable to be a weighted function of lagged observations. This function depends on two unknown parameters and requires specification of the maximum lag only. Nonlinearity testing for this specification uses a search over a plausible set of weight function parameters, combined with bootstrap inference. Finite‐sample results show that the recommended wild bootstrap heteroskedasticity‐robust testing procedure performs well, for both homoskedastic and heteroskedastic data‐generating processes. Forecast comparisons relative to linear models and other nonlinear specifications of the smooth transition form confirm that the new WSTR model delivers good performance. Copyright © 2010 John Wiley & Sons, Ltd.