State-Space Modeling of Shape-constrained Functional Time Series
形状约束函数型时间序列的状态空间建模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：摘要直接建模函数型时间序列的动态依赖，并估计描述收入分布的洛伦兹曲线，对应时间序列与分布分析。
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…
形状约束函数型时间序列的状态空间建模
- 研究问题
- 如何在函数型时间序列中提取趋势和序列依赖，同时保证估计函数满足单调性、凸性等约束，并应用于时变洛伦兹曲线？
- 方法与思路
- 作者以基函数的凸组合保证形状约束，使单纯形上的时变权重服从动态多项 Logit 模型，并设计数据增广进行后验计算。
- 材料陈述的贡献
- 摘要称提出形状约束状态空间模型及相应 MCMC 计算方法，通过数值实验和日本家庭收入面板展示洛伦兹曲线估计。
- 阅读关注点
- 应核对基函数如何保证形状约束、动态权重的设定、数据增广及采样效率，以及洛伦兹曲线估计的不确定性。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及接收未核实；摘要未说明基函数选择、计算诊断或应用结果，不能判断估计精度。
原文摘要
Functional time series data frequently appears in econometric analyses, where the functions of interest are subject to some shape constraints, including monotonicity and convexity, as typical of the estimation of the Lorenz curve. This paper proposes a state-space model for time-varying functions to extract trends and serial dependence from functional time series while imposing the shape constraints on the estimated functions. The function of interest is modeled by a convex combination of selected basis functions to satisfy the shape constraints, where the time-varying convex weights on simplex follow the dynamic multi-logit models. To enable posterior computation by an efficient Markov chain Monte Carlo method, a novel data augmentation technique is devised for the complicated likelihood of this model. The proposed method is applied to the estimation of time-varying Lorenz curves, and its utility is illustrated through numerical experiments and analysis of panel data of household incomes in Japan.