矩阵时间序列的减秩自回归模型及其应用

在矩阵维度较高或行(列)变量相关性较强的情况下,已有矩阵自回归模型的应用将面临预测精度下降与解释能力不足的双重挑战.为解决上述问题,本文提出减秩矩阵自回归模型及减秩-迭代最小二乘估计方法.通过设定系数矩阵的低秩结构,降低自变量维度及待估参数数目,该模型既能有效保证估计精度,增加预测准确性,又可简化变量间关系,提升解释能力.进一步,本文证明了估计方法的理论渐近性质,并指出模型秩的确定可采用最小特征值比率准则.数值模拟显示,在秩约束条件下,减秩矩阵自回归模型及其估计方法表现更优.最后,该模型被应用于城市空气质量研究,实证结果充分体现了其降维去噪,准确预测及有效解释的优势.