Robust Estimation in Network Vector Autoregression with Nonstationary Regressors
含非平稳回归变量的网络向量自回归稳健估计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：摘要明确结合邻接矩阵刻画的网络依赖与非平稳向量自回归，因此对应网络和时间序列两个方向。
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
含非平稳回归变量的网络向量自回归稳健估计
- 研究问题
- 当网络向量自回归的因变量平稳、节点回归变量非平稳且持续性未知时，如何开展识别与稳健估计并刻画大网络下的渐近性质？
- 方法与思路
- 作者以非随机邻接矩阵表示网络依赖，用局部趋于单位根参数化描述回归变量持续性，并采用 IVX 型估计及网络和时间双重渐近分析。
- 材料陈述的贡献
- 摘要称，研究将网络向量自回归扩展至所述非平稳回归变量设定，提出稳健估计方式，并分析增广回归变量的渐近理论。
- 阅读关注点
- 应核对平稳因变量与非平稳回归变量如何共存、网络矩阵限制，以及 IVX 构造、识别条件和网络与时间维度增长的相对速度。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未给出完整识别条件和极限分布，所称稳健性不能推广到任意非平稳网络。
原文摘要
This article studies identification and estimation for the network vector autoregressive model with nonstationary regressors. In particular, network dependence is characterized by a nonstochastic adjacency matrix. The information set includes a stationary regressand and a node-specific vector of nonstationary regressors, both observed at the same equally spaced time frequencies. Our proposed econometric specification correponds to the NVAR model under time series nonstationarity which relies on the local-to-unity parametrization for capturing the unknown form of persistence of these node-specific regressors. Robust econometric estimation is achieved using an IVX-type estimator and the asymptotic theory analysis for the augmented vector of regressors is studied based on a double asymptotic regime where both the network size and the time dimension tend to infinity.