Signed Matrix Thinning and Projection Estimation for Integer-Valued Autoregressive Models
整数值自回归模型的有符号矩阵稀疏化与投影估计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：摘要直接提出并估计矩阵整数值自回归时间序列模型。
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
整数值自回归模型的有符号矩阵稀疏化与投影估计
- 研究问题
- 如何扩展矩阵整数值自回归模型，使其处理正负整数并保留行列依赖，从而适用于差分计数等矩阵时间序列？
- 方法与思路
- 作者提出全整数域上的 Z-MINAR 模型，采用有符号矩阵稀疏化算子、扩展泊松创新项及基于投影的条件最小二乘估计。
- 材料陈述的贡献
- 摘要称建立了平稳性、因果性与渐近正态性，并通过模拟及城市犯罪计数变化应用展示估计与时空依赖刻画表现。
- 阅读关注点
- 应核对有符号算子和创新分布的定义、行列依赖的参数化方式，以及平稳性条件和投影估计的约束处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未经核验；摘要未说明定理条件和比较数值，其中模型因果性不等同于干预效应识别。
原文摘要
Integer-valued time series are ubiquitous in fields such as finance, economics, and epidemiology. As spatiotemporal data structures in these domains grow increasingly complex and high-dimensional, the matrix integer-valued autoregressive (MINAR) model efficiently captures row-column cross-correlations to reduce dimensionality. However, it fundamentally fails to accommodate negative values, which is a critical flaw for analyzing real-world differenced data or financial tick fluctuations. To bridge this theoretical and practical gap, this paper introduces the Z-MINAR model, a novel matrix autoregressive framework defined on the full integer domain (Z). By pioneering a signed matrix thinning operator and utilizing an extended poisson distribution for the innovations, the Z-MINAR model elegantly handles both positive and negative integers while strictly preserving the crucial topological interactions inherent in matrix data. Furthermore, we employ a projection-based conditional least squares estimation procedure and rigorously establish the model's stationarity, causality, and asymptotic normality. Extensive simulations demonstrate the superior estimation accuracy, robustness, and adaptability of Z-MINAR over existing benchmark models. Finally, an empirical application focusing on crime count variations across different urban regions confirms the model's practical efficacy in uncovering dynamic spatiotemporal dependence structures in Z-valued matrix time series.