Nonlinear network autoregression
非线性网络自回归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。
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：摘要明确以已知网络的邻接关系和节点滞后响应建立动态模型，直接对应网络建模与时间序列两个方向。
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…
非线性网络自回归
- 研究问题
- 已知网络上整数或连续响应的动态关系如何非线性建模，并在网络维度增长时开展估计与线性形式检验？
- 方法与思路
- 作者以平滑连接函数描述节点自身及邻居的滞后影响，发展准最大似然推断，并按参数是否可识别构造线性得分检验。
- 材料陈述的贡献
- 摘要称，论文研究过程稳定性与增长维度下的推断；可识别情形采用卡方极限，不可识别情形采用上确界检验及自助法。
- 阅读关注点
- 应核对网络维度增长与稳定性条件、连接函数要求，以及不可识别参数下可行界限和自助法近似的适用范围。
- 阅读边界
- 仅据所给 OpenAlex 摘要；具体增长速率、稳定性条件和模拟结果未说明，网络滞后关系本身不能确立因果解释。
原文摘要
We study general nonlinear models for time series networks of integer and continuous-valued data. The vector of high-dimensional responses, measured on the nodes of a known network, is regressed nonlinearly on its lagged value and on lagged values of the neighboring nodes by employing a smooth link function. We study stability conditions for such multivariate process and develop quasi-maximum likelihood inference when the network dimension is increasing. In addition, we study linearity score tests by treating separately the cases of identifiable and nonidentifiable parameters. In the case of identifiability, the test statistic converges to a chi-square distribution. When the parameters are not identifiable, we develop a supremum-type test whose p-values are approximated adequately by employing a feasible bound and bootstrap methodology. Simulations and data examples support further our findings.