Banded spatio-temporal autoregressions
带状时空自回归模型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：摘要明确研究不同地点经济个体构成的高维空间动态面板，直接对应面板数据方法。
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…
带状时空自回归模型
- 研究问题
- 对于分布在不同地点的高维动态面板，如何利用适当排列下的带状自回归系数结构，估计空间与时间依赖并选择带宽？
- 方法与思路
- 作者设定未知带状自回归系数矩阵，用基于Yule–Walker方程的最小二乘处理内生性，并研究多方程估计与比率型带宽选择。
- 材料陈述的贡献
- 摘要称提出一类稀疏时空模型及配套估计、带宽确定方法，建立部分渐近性质，并用模拟和真实数据展示应用。
- 阅读关注点
- 应核对面板成员排序的实际依据、系数带状结构与协方差结构的区别，以及Yule–Walker估计和带宽选择的条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断排序错误或非局部空间联系的影响；摘要未说明内生性处理的具体条件和实证结果。
原文摘要
We propose a new class of spatio-temporal models with unknown and banded autoregressive coefficient matrices. The setting represents a sparse structure for high-dimensional spatial panel dynamic models when panel members represent economic (or other type) individuals at many different locations. The structure is practically meaningful when the order of panel members is arranged appropriately. Note that the implied autocovariance matrices are unlikely to be banded, and therefore, the proposal is radically different from the existing literature on the inference for high-dimensional banded covariance matrices. Due to the innate endogeneity, we apply the least squares method based on a Yule–Walker equation to estimate autoregressive coefficient matrices. The estimators based on multiple Yule–Walker equations are also studied. A ratio-based method for determining the bandwidth of autoregressive matrices is also proposed. Some asymptotic properties of the inference methods are established. The proposed methodology is further illustrated using both simulated and real data sets.