具有异质节点的网络向量自回归模型的同时估计与分组识别
统计方法学
2023-08-14 v2
摘要
大型社交或金融网络中的个人或公司常因各种原因表现出相当异质的行为。本文中，我们提出一种具有潜分组结构的网络向量自回归模型来刻画从网络节点观测到的异质动态模式，其中可自然纳入分组层面的网络效应与时间不变固定效应。在我们的框架下，模型参数与网络节点归属可通过最小化最小二乘型目标函数同时估计。特别地，我们的理论研究表明，在达到模型参数与分组归属估计一致性时，允许潜分组数 G 被过指定，这显著提升了所提方法的鲁棒性。当 G 被正确指定时，可基于估计量的渐近正态性对模型参数作出有效统计推断。我们发展了数据驱动准则以一致识别真实分组数以供实际应用。广泛的模拟研究与两个真实数据示例用于证明所提方法的有效性。
引用
@article{arxiv.2209.12229,
title = {Simultaneous Estimation and Group Identification for Network Vector Autoregressive Model with Heterogeneous Nodes},
author = {Xuening Zhu and Ganggang Xu and Jianqing Fan},
journal= {arXiv preprint arXiv:2209.12229},
year = {2023}
}