Multivariate Count Time Series Modelling
多变量计数时间序列建模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：摘要直接综述多变量计数时间序列及其自回归建模方法。
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…
关注这篇论文的作者
多变量计数时间序列建模
- 研究问题
- 分析多变量计数时间序列时，应如何选择计数向量的联合分布，并理解不同自回归建模路线的结构和研究空间？
- 方法与思路
- 作者综述多变量计数序列的自回归模型，讨论合适的计数联合分布，重点梳理整数自回归、参数驱动和观测驱动三类方法。
- 材料陈述的贡献
- 摘要明确将文章定位为综述：整理近期方法发展，并提出潜在研究主题；其贡献主要是组织模型路线与研究问题，而非宣称新估计定理。
- 阅读关注点
- 应核对三类模型对动态依赖与联合分布的处理、适用数据情形及估计方式，并区分已经建立的结果与作者提出的研究建议。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明综述覆盖范围、具体模型比较结果或新研究主题的详细内容。
原文摘要
We review autoregressive models for the analysis of multivariate count time series. In doing so, we discuss the choice of a suitable distribution for a vectors of count random variables. This review focus on three main approaches taken for multivariate count time series analysis: (a) integer autoregressive processes, (b) parameter-driven models and (c) observation-driven models. The aim of this work is to highlight some recent methodological developments and propose some potentially useful research topics.