近日，由经济学院统计学与数据科学系2019级博士毕业生蒲丹与其导师组导师方匡南教授、张庆昭教授、西南财经大学兰伟教授及北京大学虞吉海教授合作完成的论文“Reduced Rank Spatio-temporal Models”被Journal of Business & Economic Statistics正式接受并在线发表。Journal of Business & Economic Statistics是学界公认的经济学与统计学国际权威期刊，是厦门大学经济学科认定的国际A期刊。
为了同时建模分析研究个体之间的截面相关性和时间相关性，目前大部分文献都将系数矩阵参数化为已知权重矩阵的函数。这类建模框架面临着权重矩阵错误设定的风险。针对这一情况，本文提出了低秩时空自回归模型，通过数据驱动的方式估计系数矩阵，避免了事先设定空间权重矩阵。通过假设系数矩阵具有低秩的结构，该模型不仅显著地降低了未知参数的维度，而且在理论方面和应用方面都具有良好的可解释性。针对所提出的模型，本文使用伪最大似然估计方法估计未知的系数矩阵，并利用梯度下降算法结合 Armijo线性搜索进行求解。在研究个体数目和观测时间长度均趋于无穷的情况下，本文建立了估计量的渐近性质。为了确定系数矩阵的秩，本文提出了岭比率估计量，并从理论上证明了该估计量可以依概率1正确选择出真实的秩。大量的模拟分析表明所提出的估计量在有限样本下具有优良的表现。最后，本文将所提出的方法用于分析中国股票数据集，对股票收益率之间的截面相关性和时间相关性进行了研究。
蒲丹，厦门大学经济学院统计学与数据科学系2019级博士毕业生，指导老师为方匡南教授、张庆昭教授。现为西南财经大学统计学院讲师，主要研究方向为复杂网络数据分析，空间计量经济学和时空面板数据分析。目前已在Journal of Business & Economic Statistics，Statistica Sinica等期刊发表（含正式接受）论文4篇。
