Identifiability of VAR(1) model in a stationary setting
平稳情形下 VAR(1) 模型的可识别性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：摘要明确研究 VAR(1) 的平稳分布与模型识别，符合时间序列及 VAR 方法细分，但未涉及经济冲击识别。
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
平稳情形下 VAR(1) 模型的可识别性
- 研究问题
- 对于存在平衡分布的 VAR(1) 过程，能否仅凭静态平稳分布恢复自回归矩阵所编码的影响网络，而不使用动态观测？
- 方法与思路
- 作者采用代数统计方法，通过模型参数化的雅可比拟阵刻画模型，并提出使不同图产生不同稳态分布的充分图条件。
- 材料陈述的贡献
- 摘要称给出静态分布区分影响图的充分条件，并以生态研究启发的网络说明用途，将识别问题从动态信息转向平稳信息。
- 阅读关注点
- 应核对创新项分布与协方差限制、稳定性及图条件，并区分图可识别与边权参数可识别，以及结论是否仅在一般位置成立。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未给出具体图条件或估计算法，也未声称任意 VAR 图均可识别。
原文摘要
We consider a classical First-order Vector AutoRegressive (VAR(1)) model, where we interpret the autoregressive interaction matrix as influence relationships among the components of the VAR(1) process that can be encoded by a weighted directed graph. A majority of previous work studies the structural identifiability of the graph based on time series observations and therefore relies on dynamical information. In this work we assume that an equilibrium exists, and study instead the identifiability of the graph from the stationary distribution, meaning that we seek a way to reconstruct the influence graph underlying the dynamic network using only static information. We use an approach from algebraic statistics that characterizes models using the Jacobian matroids associated with the parametrization of the models, and we introduce sufficient graphical conditions under which different graphs yield distinct steady-state distributions. Additionally, we illustrate how our results could be applied to characterize networks inspired by ecological research.