Analytic Standard Errors for Latent Gaussian Discrete-Valued Multivariate Time Series
潜在高斯离散多变量时间序列的解析标准误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：摘要直接研究多变量离散时间序列的平稳动态、序列相关和参数推断，按方法归入时间序列，未据应用领域推定宏观结论。
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
潜在高斯离散多变量时间序列的解析标准误
- 研究问题
- 对于计数、二元及有序类别的重复观测，如何在灵活描述边际分布和序列相关性的同时，对潜在动态参数进行统计推断？
- 方法与思路
- 作者在潜在平稳高斯向量序列经确定性变换生成离散观测的模型中，推导解析标准误，并建立动态与边际参数估计的联合渐近正态性。
- 材料陈述的贡献
- 摘要称，该研究为已有模型补充潜在高斯动态的解析推断工具，并通过模拟和一项实际应用考察标准误表现。
- 阅读关注点
- 应核对离散边际与潜在相关结构如何识别、联合渐近结果的条件，以及解析标准误在不同边际分布和样本长度下的表现。
- 阅读边界
- 所给版本为 arXiv 预印本，不能据此认定已同行评审或获期刊接收；摘要未说明具体正则条件、模拟结果和实际应用数据。
原文摘要
Unlike their continuous-valued counterparts, there are no universally preferred methodologies for modeling discrete-valued time series. This is especially problematic in fields such as psychology and education, where repeated-measures data often take the form of count, dichotomous, and ordered categorical variables. To address the need for flexible methodology for analyzing discrete-valued time series data, a copula-style multivariate model defined through deterministic functions of a latent stationary Gaussian vector series has been proposed. This model has several promising features, including the ability to accommodate a wide variety of marginal distributions within the same model while also allowing for the most flexible autocorrelation structure possible. We extend this framework by deriving analytic standard errors to facilitate inference on the latent Gaussian dynamics. In so doing, we establish the joint asymptotic normality of estimators of the parameters governing the latent Gaussian series and the marginal distributions. The performance of these analytic standard errors is examined in a simulation study and an empirical application.