基于重采样与模型聚合的广义向量自回归参数支撑集稀疏估计
统计方法学
2025-03-07 v2
摘要
本工作解决的核心问题是在离散多元时间序列的稀疏参数似然模型下，估计参数支撑集 S（即对应非零参数的指标集合）。我们开发了一种算法，通过对数据子样本应用 LASSO 所获得的支撑集进行聚合来完成估计。我们的方法是识别若干候选模型，并通过选取公共参数来估计 S，从而“聚合”候选模型。尽管我们的方法广泛适用于任意选择问题，但我们聚焦于广义向量自回归（GVAR）模型类，尤其是泊松情形，强调其在由离散多元时间序列恢复网络中的应用。我们提出基于 LASSO 的基准方法，开发针对 GVAR 过程的模拟策略，并给出证明我们方法更优性能的实证结果。此外，我们给出一个从古气候数据估计生态相互作用网络的应用。
引用
@article{arxiv.2307.09684,
title = {Sparse estimation of parameter support sets for generalized vector autoregressions by resampling and model aggregation},
author = {Trevor D. Ruiz and Sharmodeep Bhattacharyya and Sarah C. Emerson},
journal= {arXiv preprint arXiv:2307.09684},
year = {2025}
}