图辅助分组网络自回归模型：一种贝叶斯非参数方法
统计方法学
2021-10-12 v1
摘要
向量自回归模型在经典时间序列数据分析中无处不在。随着社交网站的快速发展，潜在图上的时间序列数据日益流行。本文提出一种新颖的贝叶斯分组网络自回归模型，以同时估计分组信息（组数与分组配置）和组级参数。具体而言，在网络自回归模型框架下引入图辅助中国餐馆过程，以改善统计推断性能。采用高效的马尔可夫链蒙特卡洛采样算法从后验分布中采样。我们进行了广泛的研究以评估所提方法的有限样本表现。此外，我们分析两个真实数据集以阐明我们方法的有效性。
引用
@article{arxiv.2110.04991,
title = {Graphical Assistant Grouped Network Autoregression Model: a Bayesian Nonparametric Recourse},
author = {Yimeng Ren and Xuening Zhu and Guanyu Hu},
journal= {arXiv preprint arXiv:2110.04991},
year = {2021}
}