An ARIMA-Model-Based Approach to Seasonal Adjustment
基于 ARIMA 模型的季节调整方法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：摘要明确以高斯 ARIMA 时间序列及季节分解为研究对象，直接对应时间序列方向。
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
基于 ARIMA 模型的季节调整方法
- 研究问题
- 如何在高斯 ARIMA 模型下，将时间序列唯一分解为彼此独立的加性季节、趋势与不规则噪声成分，以实施季节调整？
- 方法与思路
- 作者提出基于模型的分解程序，在序列服从高斯 ARIMA 模型的设定下构造三个相互独立的成分，讨论程序性质并提供实际示例。
- 材料陈述的贡献
- 摘要称该程序能够实现季节、趋势和不规则成分的唯一分解，并讨论其性质；未说明唯一性的具体约束或与其他程序的比较结果。
- 阅读关注点
- 应核对分解唯一性所需的约束、各成分的模型定义，以及独立性如何成立；同时查看参数估计与样本端点如何影响调整结果。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。摘要未交代分解约束与模型误设后果，不能将唯一性推广到任意时间序列。
原文摘要
This article proposes a model-based procedure to decompose a time series uniquely into mutually independent additive seasonal, trend, and irregular noise components. The series is assumed to follow the Gaussian ARIMA model. Properties of the procedure are discussed and an actual example is given.