کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
5096232 | 1376511 | 2014 | 14 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Estimating turning points using large data sets
ترجمه فارسی عنوان
برآورد نقاط چرخشی با استفاده از مجموعه داده های بزرگ
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
ترجمه چکیده
چرخه کسب و کار دوستیابی مستلزم تعیین نقاط عطفی در اقتصاد است. به طور کلی، در ادبیات دو رویکرد وجود دارد. اولین رویکرد، که به برنز و میچل (1946) می رسد، شناسایی نقاط نقاط به صورت جداگانه در تعداد زیادی از سری ها است، سپس به دنبال یک تاریخ مشترک می شود که می تواند نقطه عطفی کل باشد. رویکرد دوم، که تمرکز کارهای علمی و کاربردی اخیر است، این است که نقاط نقاط را در چند یا فقط یک جمع بررسی کنیم. این مقاله این دو رویکرد را به شناسایی نقاط تبدیل تبدیل می کند. ما یک تعریف غیر پارامتریک از نقطه عطفی (برآورد) را بر اساس جمعیت مجموعه های زمانی ارائه می دهیم. این به برآوردگرهای نقاط چرخشی، توزیع نمونه برداری و خطاهای استاندارد برای تبدیل نقاط بر اساس نمونه ای از سری ها منجر می شود. ما هر دو نمونه گیری تصادفی ساده و نمونه گیری طبقه بندی شده را در نظر می گیریم. بخشی تجربی از تجزیه و تحلیل بر اساس مجموعه داده ای از 270 سری زمان واقعی اقتصادی ماهانه برای ایالات متحده، 1959-2010 است.
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
آمار و احتمال
چکیده انگلیسی
Dating business cycles entails ascertaining economy-wide turning points. Broadly speaking, there are two approaches in the literature. The first approach, which dates to Burns and Mitchell (1946), is to identify turning points individually in a large number of series, then to look for a common date that could be called an aggregate turning point. The second approach, which has been the focus of more recent academic and applied work, is to look for turning points in a few, or just one, aggregate. This paper examines these two approaches to the identification of turning points. We provide a nonparametric definition of a turning point (an estimand) based on a population of time series. This leads to estimators of turning points, sampling distributions, and standard errors for turning points based on a sample of series. We consider both simple random sampling and stratified sampling. The empirical part of the analysis is based on a data set of 270 disaggregated monthly real economic time series for the US, 1959-2010.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Econometrics - Volume 178, Part 2, January 2014, Pages 368-381
Journal: Journal of Econometrics - Volume 178, Part 2, January 2014, Pages 368-381
نویسندگان
James H. Stock, Mark W. Watson,