Detecting and Treating Outliers in Dynamic Regression Models
动态回归模型中的异常值检测与处理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：摘要明确涉及多元时间序列、动态回归及单输入传递函数。
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
动态回归模型中的异常值检测与处理
- 研究问题
- 在多元时间序列的动态输入输出关系中，如何检测输入端异常值，并判断这些异常值是否会传递到输出序列？
- 方法与思路
- 摘要说明，作者通过研究单输入传递函数来检测多元时间序列异常值，并考虑输入异常可能传递或不传递至输出的情形。
- 材料陈述的贡献
- 摘要所述贡献是提出利用传递函数关系识别异常值的分析思路；未说明具体检测统计量、处理算法或性能结果。
- 阅读关注点
- 应核对异常值类型、动态传递机制、输入输出关系的估计方式，以及标题所指异常值处理如何衔接检测程序。
- 阅读边界
- 仅据版本未注明的 OpenAlex 短摘要；检测阈值、处理步骤与有效性条件未提供，也不能把异常值自动解释为结构变化。
原文摘要
This paper offers an approach to detecting outliers in multiple time series by studying transfer functions with one input where outliers in the input may or may not be passed to the output.