Dynamic Network Autoregressive Models for Functional Panel Data
函数型面板数据的动态网络自回归模型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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确针对面板中的函数型结果，建模个体间网络交互与自身动态，直接对应面板数据和网络方向。
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
函数型面板数据的动态网络自回归模型
- 研究问题
- 面板中个体的函数型结果如何同时受到自身滞后结果与其他个体结果影响，又如何处理网络联立作用造成的内生性？
- 方法与思路
- 作者建立函数型动态网络联立方程，采用函数型矩估计处理交互内生性，并讨论边际效应及函数型网络脉冲响应。
- 材料陈述的贡献
- 摘要称建立一致性、收敛率与逐点渐近正态性；共享单车应用显示车辆可用性的空间交互随一天中的时段变化。
- 阅读关注点
- 应核对矩条件、网络权重与动态稳定条件、函数参数的近似方式，以及逐点推断和网络脉冲响应的构造。
- 阅读边界
- 这是预印本，同行评审与期刊接收均未核实。摘要未给出识别条件、收敛率表达式或效应数值，不能据此判断应用稳健性。
原文摘要
This study proposes a novel functional dynamic network autoregressive framework for analyzing network and dynamic interactions of functional outcomes in panel data settings. In this framework, an individual's outcome function is influenced by his/her previous outcome and the outcomes of others through a simultaneous equation system. To estimate the functional parameters of interest, we need to cope with the endogeneity issue arising from these interactions among outcome functions. We address this issue by developing a novel functional moment-based estimator. We establish the consistency, convergence rate, and pointwise asymptotic normality of the proposed estimator. Additionally, we discuss the estimation of marginal effects and functional network impulse responses. As an empirical illustration, we analyze the demand for a bike-sharing service in the U.S. The results reveal statistically significant spatial interactions in bike availability, with interaction patterns varying over the time of day.