网络时间序列的建模、去趋势与去相关
统计方法学
2016-03-11 v1
摘要
网络时间序列是一种由描述变量（或节点）如何连接的图所增强的多变量时间序列。我们引入网络自回归（积分）滑动平均（NARIMA）过程：一组用于网络时间序列的灵活模型。对于固定网络，NARIMA模型本质上等价于向量自回归滑动平均型模型。然而，当与多变量时间序列关联的图结构随时间变化时，NARIMA模型特别有用。此类网络拓扑变化对于标准VARMA类模型是不可见的。对于积分NARIMA模型，我们引入基于网络提升（小波）变换的网络差分，其去除趋势。我们在一个描述2005年英格兰和威尔士各县腮腺炎演变的每周网络时间序列上展示我们的技术。我们进一步在具有关联双节点图的简单二元VAR(1)模型上演示网络提升的作用。我们从理论上证明去相关仅在某些情形下发生且可能少于预期。这表明空间网络提升的时间去相关特性更多归因于提升的趋势去除性质，而非任何种类的随机去相关。
引用
@article{arxiv.1603.03221,
title = {Modelling, Detrending and Decorrelation of Network Time Series},
author = {M. I. Knight and M. A. Nunes and G. P. Nason},
journal= {arXiv preprint arXiv:1603.03221},
year = {2016}
}