讲座题目：Parameter Estimation under High-Dimensional Dynamic Effects with an Application to Multilayer Network Connectedness（高维动态效应下的参数估计及其在多层网络连接性中的应用）

主讲人：史炜  暨南大学经济与社会研究院  教授

讲座时间：2025年05月08日15:30

讲座地点：学院440

讲座内容摘要：

This paper examines the estimation of regression coefficients in high-dimensional time series with complex dependencies from a time lag of the outcome variable. The outcome variable is structured as a multidimensional array and forms a tensor-valued time series. We infer the interaction matrix from the data without using a pre-determined one. Complex dynamic effects are modeled by assuming that the autoregression coefficients exhibit a low-rank structure. We estimate the low-dimensional parameters using orthogonal moments and sample splitting, and show that the estimates are sqrt(NT)^(-1/2) consistent and asymptotic normal. Simulations indicate that our estimators perform well in finite samples. As a practical application, we demonstrate how the proposed method can quantify connectedness among interconnected multilayer networks by applying the model to study the impact of economic sentiment, proxied by housing price growth rates, on economic activities in China, accounting for their spatio-temporal dependence.

本文研究了在结果变量存在时间滞后导致的复杂依赖关系下，高维时间序列中回归系数的估计问题。结果变量被构建为一个多维数组，并形成一个张量值时间序列。我们根据数据推断出交互矩阵，而无需使用预先确定的矩阵。通过假设自回归系数具有低秩结构，我们对复杂的动态效应进行建模。我们使用正交矩和样本分割来估计低维参数，并证明了这些估计量是√(NT)^(-1/2)一致且渐近正态的。模拟结果表明，我们的估计量在有限样本中表现良好。作为实际应用，我们通过将模型应用于研究以房价增长率作为代理变量的经济情绪对中国经济活动的影响（同时考虑其时空依赖性），展示了所提出的方法如何量化相互连接的多层网络之间的连通性。

主讲人学术简介：

史炜，暨南大学经济与社会研究院教授，博士生导师，美国俄亥俄州立大学经济学博士。主要研究领域为微观计量经济学。研究议题涉及空间计量模型、网络数据分析等计量方法的理论与应用研究，健康的社会环境决定因素，住房市场结构与房价波动等。研究成果发表于International Economic Review, Journal of Econometrics, Journal of Urban Economics, Journal of Population Economics, China Economic Review等国际权威期刊。论文获得2021年度Journal of Population Economics最佳论文奖。