Modelling clusters in network time series with an application to presidential elections in the USA
网络时间序列中的群落建模：美国总统选举应用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：摘要明确研究网络自回归时间序列及群落间动态互动，同时对应时间序列与网络方向。
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…
网络时间序列中的群落建模：美国总统选举应用
- 研究问题
- 如何在高维网络时间序列中利用已知或推断的网络及群落信息，刻画群落间动态互动，并分析美国不同政治类型州的选举变化？
- 方法与思路
- 作者扩展广义网络自回归框架，提出 community-α GNAR 模型，利用先验知识或外生变量识别群落并建模其动态互动。
- 材料陈述的贡献
- 摘要提出具有群落结构的 GNAR 扩展，并在美国红州、蓝州和摇摆州的总统选举序列中发现全局与群落层面的动态现象。
- 阅读关注点
- 应核对网络和群落的构建、外生信息的来源、群落参数的解释，以及模型估计条件和选举应用中全局效应的具体含义。
- 阅读边界
- 依据 arXiv 预印本摘要，不能确认同行评审或期刊接收；摘要未给出网络定义、具体结果或因果设计，动态关联不能直接视为因果影响。
原文摘要
Network time series are becoming increasingly relevant in the study of dynamic processes characterised by a known or inferred underlying network structure. Generalised Network Autoregressive (GNAR) models provide a parsimonious framework for exploiting the underlying network, even in the high-dimensional setting. We extend the GNAR framework by presenting the $\textit{community}$-$α$ GNAR model that exploits prior knowledge and/or exogenous variables for identifying and modelling dynamic interactions across communities in the network. We further analyse the dynamics of $\textit{ Red, Blue}$ and $\textit{Swing}$ states throughout presidential elections in the USA. Our analysis suggests interesting global and communal effects.