近日，由西南财经大学统计与数据科学学院研究生朱天翊、兰伟教授、数据科学与商业智能联合实验室蒲丹博士、北京航空航天大学经济管理学院马莹莹教授与中国人民大学统计学院黄丹阳教授合作完成的论文“Reduced rank multivariate spatial autoregressive model for large-scale networks”被《Journal of Econometrics》正式接收。

内容简介

在空间计量与社会网络分析中，多元空间自回归（MSAR）模型是分析具有多维响应变量的网络数据的有效工具。然而，当响应变量的维度不断增长时，MSAR模型中的未知参数数量将以与维度平方成正比的速度增长，从而给模型估计带来显著挑战。为应对这一问题，本文通过在多元响应的空间影响矩阵上引入低秩结构，提出了一种新的降秩MSAR模型。该模型不仅实现了显著的降维效果，还具有良好的可解释性。针对准极大似然估计（QMLE）计算成本较高的问题，本文进一步提出了最小二乘估计（LSE）方法来估计未知参数。同时，在网络规模和响应维度同时趋于无穷的情形下，建立了LSE的渐近性质。在秩的选择上，本文提出了一种基于信息准则的估计方法，并证明了其在秩选择上的一致性。大量数值模拟结果验证了所提出模型及参数估计方法的有效性。最后，本文利用大型聚合支付平台“收钱吧”的实证数据，展示了模型的实际应用价值。

作者简介

朱天翊，西南财经大学统计与数据科学学院2023级统计学专业研究生，主要从事网络数据分析、图神经网络等领域的研究。

蒲丹，西南财经大学数据科学与商业智能联合实验室讲师，主要从事网络数据分析、空间计量经济学等领域的研究。

马莹莹，北京航空航天大学经济管理学院副教授，主要从事时空数据建模、社交网络分析等领域的研究。

黄丹阳，中国人民大学统计学院教授，主要从事高维数据降维分析、复杂网络建模、分布式计算等领域的研究。

兰伟，西南财经大学统计与数据科学学院教授，主要从事高维数据分析与建模、大型社交网络数据分析、风险管理和投资组合优化、消费金融反欺诈等领域的研究。