The Effect of Spectral Line Components on Coefficients in Time Series Regression Models
Notice bibliographique
Résumé
Inference on the fitted parameters from two time series regressions can be improved by considering their correlation structure. We investigate the performance of an estimator of covariance between two time series regressions in which the responses are correlated, which is based on the multitaper method (MTM) cross-spectral estimator for the response series. We compare the MTM-based covariance estimator to the "standard" one based on the Bartlett estimate of the cross-covariance function of the two response series. A simulation study is used to evaluate performance using realizations of bivariate autoregressive processes with different characterizations of their cross-covariance function, and the effect of embedding a common deterministic line component in the response and predictor is examined. We find that the presence of a deterministic sinusoidal component has an effect on the estimated covariance between the two regressions, and greatly increases the bias of both estimators. When common line components are detected and removed using tools within the MTM framework, covariance estimates with lower estimated mean squared errors are produced. In all cases, the MTM-based covariance estimator is found to have greater efficiency than the Bartlett-based estimator. In an application to hourly electricity demand and price data for the province of Ontario, Canada, a linear regression model is fit in overlapping time segments in which price is designated as the response variable, and a vector of regression coefficients is obtained. Using our MTM-based covariance estimator, a covariance matrix for the coefficient vector is estimated, and more informative confidence intervals for each coefficient are obtained.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,296 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».