近日，我校经济管理学院博士研究生罗凤（范国良教授指导）等在ABS三星期刊《Journal of Multivariate Analysis》合作发表了题为“Ultra-high dimensional semiparametric dynamic high-order spatial autoregressive models”的学术论文。

该研究核心观点为：

为有效刻画超高维数据中复杂的空间依赖结构，本文提出了一种用于动态高阶空间自回归过程的稀疏半参数建模框架。在该框架中，线性部分的协变量数量在稀疏性假设下以远快于样本量的速度增长，而非参数部分的维度保持固定。变系数函数通过B样条基函数进行近似。为了解决由空间滞后项引起的内生性问题，本文采用了两阶段样条最小二乘结合工具变量法。我们首先研究了在已知真实稀疏结构的前提下的“oracle估计量”的理论性质，证明了其收敛速率和渐近正态性。随后，我们提出了一种非凸惩罚估计方法，能够同步实现变量选择以及对线性参数和空间自回归参数的估计。我们进一步证明，该方法在较弱条件下具有oracle性质。最后，通过模拟实验以及对UCI机器学习数据库中的“Communities and Crime”数据集的实证分析，验证了所提出方法的有效性。

全文链接为：

https://doi.org/10.1016/j.jmva.2025.105516