A Classification of Observation-Driven State-Space Count Models for Panel Data
面板数据观测驱动状态空间计数模型的分类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：题名明确涉及面板数据，摘要讨论计数状态空间模型及方差动态，支持面板数据与时间序列分类。
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…
面板数据观测驱动状态空间计数模型的分类
- 研究问题
- 观测驱动计数状态空间模型能否兼顾预测密度的解析可得性与方差平稳性，并适应方差上升、下降及平稳等不同动态过程？
- 方法与思路
- 作者从 Harvey–Fernandes 模型出发分析其方差性质，提出保留原模型可处理性的扩展，并用模拟和数值研究展示方法表现。
- 材料陈述的贡献
- 摘要称原模型不具备方差平稳性，所提扩展可以容纳上升、下降或平稳的方差过程，同时保持原模型的解析处理便利性。
- 阅读关注点
- 应核对方差不平稳结论的适用参数范围、扩展模型的状态更新与预测密度，以及题名所指面板结构如何进入建模和估计。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未说明平稳条件、面板依赖结构及模拟结果的具体数值。
原文摘要
State-space models are widely used in many applications. In the domain of count data, one such example is the model proposed by Harvey and Fernandes (1989). Unlike many of its parameter-driven alternatives, this model is observation-driven, leading to closed-form expressions for the predictive density. In this paper, we demonstrate the need to extend the model of Harvey and Fernandes (1989) by showing that their model is not variance stationary. Our extension can accommodate for a wide range of variance processes that are either increasing, decreasing, or stationary, while keeping the tractability of the original model. Simulation and numerical studies are included to illustrate the performance of our method.