Matrix-variate integer-valued autoregressive processes
矩阵值整数自回归过程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：摘要明确提出整数矩阵时间序列的自回归建模、估计与阶数选择方法。
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
矩阵值整数自回归过程
- 研究问题
- 如何为每期观测均为整数矩阵的时间序列建立自回归模型，同时保留矩阵结构、计数特征并解决估计与阶数选择问题？
- 方法与思路
- 作者定义左右两个矩阵稀疏化算子，构造矩阵值整数自回归模型，研究其概率性质，并提出投影估计和迭代最小二乘估计。
- 材料陈述的贡献
- 摘要称建立了两类估计量的渐近性质并处理阶数确定问题；模拟支持理论性质，且作者报告相对两类比较模型的表现优势。
- 阅读关注点
- 应核对左右稀疏化算子的定义、参数约束、平稳性条件与阶数选择准则，以及比较模型、评价指标和模拟设计是否公平。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审及期刊接收未核验；摘要未给出具体条件和比较数值，优势不能推广至所有数据。
原文摘要
In the fields of sociology and economics, the modeling of matrix-variate integervalued time series is urgent. However, no prior studies have addressed the modeling of such data. To address this topic, this paper proposes a novel matrix-variate integer-valued autoregressive model. The key techniques lie in defining two leftand right-matricial thinning operators. The probabilistic and statistical properties of the proposed model are investigated. Furthermore, two estimation methods are developed: projection estimation and iterative least squares estimation. The corresponding asymptotic properties of these estimators are established. Additionally, the order-determination problem is addressed. In the simulation studies, the estimation results are given and the theoretical properties are verified. Finally, it is shown that the matrix-variate integer-valued autoregressive model is superior to the continuous matrix-variate autoregressive and multivariate integer-valued autoregressive models for matrix-variate integer-valued time series data.