Neighborhood VAR: Efficient estimation of multivariate timeseries with neighborhood information
邻域 VAR：利用邻域信息高效估计多元时间序列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：摘要直接研究高维多元时间序列与 VAR 参数估计，因此按方法归入时间序列方向，应用场景为环境科学而非宏观经济。
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…
邻域 VAR：利用邻域信息高效估计多元时间序列
- 研究问题
- 当多元时间序列维度很高、常规 VAR 参数数量随维度平方增长时，如何利用已知空间或网络邻域关系降低估计计算负担？
- 方法与思路
- 作者提出邻域向量自回归 NVAR，利用问题本身给定的邻域关系或距离矩阵组织参数估计，并开展模拟与河流水体氮含量应用比较。
- 材料陈述的贡献
- 摘要称在邻域信息可获得时，方法能够提供计算高效且有理论支持的参数估计，并与既有方法进行模拟及真实数据比较。
- 阅读关注点
- 核对邻域如何限制模型、距离矩阵如何转化为估计结构，以及稳定性、估计误差、计算复杂度和邻域设错的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明理论条件、具体计算节省或误差结果，也未提供宏观经济应用。
原文摘要
In data science, vector autoregression (VAR) models are popular in modeling multivariate time series in the environmental sciences and other applications. However, these models are computationally complex with the number of parameters scaling quadratically with the number of time series. In this work, we propose a so-called neighborhood vector autoregression (NVAR) model to efficiently analyze large-dimensional multivariate time series. We assume that the time series have underlying neighborhood relationships, e.g., spatial or network, among them based on the inherent setting of the problem. When this neighborhood information is available or can be summarized using a distance matrix, we demonstrate that our proposed NVAR method provides a computationally efficient and theoretically sound estimation of model parameters. The performance of the proposed method is compared with other existing approaches in both simulation studies and a real application of stream nitrogen study.