Mixture matrix-valued autoregressive model
混合矩阵值自回归模型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：摘要明确研究矩阵值时间序列及衰退、扩张等情境下的动态状态变化，支持时间序列和结构变化方向。
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…
关注这篇论文的作者
混合矩阵值自回归模型
- 研究问题
- 矩阵值时间序列存在衰退与扩张等不同动态状态时，如何在保留矩阵结构的同时捕捉线性矩阵自回归难以表达的非线性？
- 方法与思路
- 作者提出混合矩阵自回归模型，以 EM 算法进行最大似然估计，推导一致性和渐近分布，并开展模拟及真实数据应用。
- 材料陈述的贡献
- 摘要称，所提模型能够分析两个属性维度之间动态关系的潜在状态变化，并提供相应估计算法及大样本理论。
- 阅读关注点
- 应核对混合成分与状态变化的关系、模型识别和稳定性条件，以及 EM 初始化、成分数选择和理论结果的适用范围。
- 阅读边界
- 仅据所给 RePEc 出版社摘要，未核对全文或其他版本；状态机制和具体应用结果未说明，不能推定其等同于断点模型。
原文摘要
Time series of matrix-valued data are increasingly available in various areas including economics, finance, social science, among others. These data may shed light on the inter-dynamical relationships between two sets of attributes, for instance, countries and economic indices. The matrix autoregressive (MAR) model provides a parsimonious approach for analyzing such data. However, the MAR model, being a linear model with parametric constraints, cannot capture the nonlinear patterns in the data, such as regime shifts in the dynamics. We propose a mixture matrix autoregressive (MMAR) model for analyzing potential regime shifts in the dynamics between two attributes, for instance, due to recession versus expansion, or stable period versus pandemic. We propose an EM algorithm for maximum likelihood estimation. We derive some theoretical properties of the proposed method including consistency and asymptotic distribution, and illustrate its performance via simulations and real applications.