Reduced Rank Spatio-Temporal Models
降秩时空模型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。
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：摘要研究多单元、多时期的动态模型，并明确分析横截面及跨时间的溢出关系。
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…
降秩时空模型
- 研究问题
- 如何在不预先构造空间权重矩阵的情况下，同时刻画多个单元的横截面依赖和时间动态，并估计互动结构及其秩？
- 方法与思路
- 作者对系数矩阵施加降秩结构，用带 Armijo 线搜索的梯度下降求准最大似然估计，并以岭型比率估计量选择秩。
- 材料陈述的贡献
- 摘要称，作者建立单元数与时期数同时增长时的估计渐近性质和秩选择一致性，并用中国股票数据分析收益的时空溢出。
- 阅读关注点
- 应核对降秩结构的识别和归一化、优化算法的收敛目标，以及秩选择条件和股票收益溢出的具体经济解释。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；未列出完整渐近条件、优化全局性保证和实证数值，免设权重矩阵仍依赖降秩设定。
原文摘要
To simultaneously model the cross-sectional dependency and dynamic time dependency among n units, most research in spatial econometrics parameterizes the coefficient matrices among the n units as functions of known weights matrices. This modeling framework is over-simplified and faces the risk of misspecification when constructing the weights matrices. In this article, we propose a novel reduced-rank spatio-temporal model by assuming the coefficient matrices follow a reduced-rank structure. This specification avoids construction of the weights matrices and provides a good interpretation, especially for financial data. To estimate the unknown parameters, a quasi-maximum likelihood estimator (QMLE) is proposed and obtained via the Gradient descent algorithm with Armijo line search. We establish the asymptotic properties of QMLE when the number of units and the number of time periods both diverge to infinity. To determine the rank, we propose a ridge-type ratio estimator and demonstrate its rank selection consistency. The proposed methodology is illustrated via extensive simulation studies. Finally, a Chinese stock dataset is analyzed to investigate the cross-sectional and temporal spillover effects among stock returns.