A Functional Coefficients Network Autoregressive Model
函数系数网络自回归模型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。
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：摘要明确以多变量非线性时间序列、网络自回归及平稳性分析为核心。
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…
函数系数网络自回归模型
- 研究问题
- 如何描述网络节点对自身及邻居历史值的非线性响应，并在较重尾误差和网络规模增长时建立稳定性与统计推断？
- 方法与思路
- 作者提出函数系数网络自回归模型，讨论稳定性、平稳性、参数可识别性、估计与推断，并以合成数据及空气污染指标展示。
- 材料陈述的贡献
- 摘要所述贡献是将非线性自身滞后与邻居滞后纳入同一模型，并研究固定及增长节点数、比高斯更重尾误差下的统计问题。
- 阅读关注点
- 应核对函数系数依赖哪些变量、网络结构如何确定、平稳与识别条件，以及重尾程度和节点增长对估计推断的限制。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出完整定理条件，也未将邻居依赖解释为因果溢出。
原文摘要
The paper introduces a flexible model for the analysis of multivariate nonlinear time series data. The proposed Functional Coefficients Network Autoregressive (FCNAR) model considers the response of each node in the network to depend in a nonlinear fashion to each own past values (autoregressive component), as well as past values of each neighbor (network component). Key issues of model stability/stationarity, together with model parameter identifiability, estimation and inference are addressed for error processes that can be heavier than Gaussian for both fixed and growing number of network nodes. The performance of the estimators for the FCNAR model is assessed on synthetic data and the applicability of the model is illustrated on multiple indicators of air pollution data.