Causal Vector Autoregression Enhanced with Covariance and Order Selection
结合协方差选择与阶数选择的因果向量自回归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：摘要明确建立向量自回归及同期递归结构，对应时间序列与 VAR 方向，但未直接展示冲击效应分析。
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…
关注这篇论文的作者
结合协方差选择与阶数选择的因果向量自回归
- 研究问题
- 如何在弱平稳多元过程中联合描述同期有向关系与跨期 VAR 动态，并利用图结构选择系数零约束和模型阶数？
- 方法与思路
- 作者结合递归同期图与 VAR，用可变块大小的块 Cholesky 分解估计路径系数，在可分解图下实施协方差选择。
- 材料陈述的贡献
- 摘要提出整合同期图与纵向动态的 CVAR 模型，说明特定可约零模式下的协方差选择，并用信息准则进行应用中的阶数选择。
- 阅读关注点
- 核对同期变量排序的来源、可分解图与路径系数零约束的对应，以及信息准则选择阶数后对估计和推断的影响。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明因果解释所需假设，也未报告应用的具体结果。
原文摘要
A causal vector autoregressive (CVAR) model is introduced for weakly stationary multivariate processes, combining a recursive directed graphical model for the contemporaneous components and a vector autoregressive model longitudinally. Block Cholesky decomposition with varying block sizes is used to solve the model equations and estimate the path coefficients along a directed acyclic graph (DAG). If the DAG is decomposable, i.e. the zeros form a reducible zero pattern (RZP) in its adjacency matrix, then covariance selection is applied that assigns zeros to the corresponding path coefficients. Real life applications are also considered, where for the optimal order $p\ge 1$ of the fitted CVAR$(p)$ model, order selection is performed with various information criteria.