Generalized network autoregressive modelling of longitudinal networks with application to presidential elections in the USA
纵向网络的广义网络自回归建模及美国总统选举应用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：摘要以网络自回归研究多元时间序列，并明确建模社区内部与社区之间的交互。
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…
纵向网络的广义网络自回归建模及美国总统选举应用
- 研究问题
- 如何利用已知或外生给定的社区结构，简约描述纵向网络中的组内、组间交互与序列相关，并分析高维短时间序列？
- 方法与思路
- 作者提出包含交互的 community-α 广义网络自回归模型，推导显式有限样本误差界，并分析美国各州及华盛顿特区的选举序列。
- 材料陈述的贡献
- 摘要称，误差界支持高维纵向网络分析；选举应用揭示网络自相关与八年周期的联系、红蓝州差异及二〇一六年后可能的变化。
- 阅读关注点
- 应核对社区标签和网络权重的来源、误差界条件、短序列下参数估计的可靠性，以及可能结构变化的统计证据。
- 阅读边界
- 这是预印本，不能据此声称已同行评审或期刊接收。应用仅有十二个时间点；摘要未提供误差界细节，所述系统变化仍是可能性。
原文摘要
Longitudinal networks are becoming increasingly relevant in the study of dynamic processes characterised by known or inferred community structure. Generalised Network Autoregressive (GNAR) models provide a parsimonious framework for exploiting the underlying network and multivariate time series. We introduce the community-$α$ GNAR model with interactions that exploits prior knowledge or exogenous variables for analysing interactions within and between communities, and can describe serial correlation in longitudinal networks. We derive new explicit finite-sample error bounds that validate analysing high-dimensional longitudinal network data with GNAR models, and provide insights into their attractive properties. We further illustrate our approach by analysing the dynamics of $\textit{Red, Blue}$ and $\textit{Swing}$ states throughout presidential elections in the USA from 1976 to 2020, that is, a time series of length twelve on 51 time series (US states and Washington DC). Our analysis connects network autocorrelation to eight-year long terms, highlights a possible change in the system after the 2016 election, and a difference in behaviour between $\textit{Red}$ and $\textit{Blue}$ states.