LISTAR: Local Interaction Spatio-Temporal Autoregression

矩阵时间序列 \(Y_t \in \mathbb{R}^{p_1 \times p_2}\) 中，同时估计局部同期空间效应和滞后动态效应。核心定位：Li & Chen (2025) 的 LIAR 模型 + Gao et al. (2019) 的 Yule-Walker 内生性处理。

状态：构思中，模型和文献定位已完成

核心问题：

现有矩阵时间序列方法要么忽略同期效应（LIAR），要么只用 banded 结构（Dou et al. 2025），要么处理向量而非矩阵（Gao et al. 2019）。本文在矩阵框架下用局部邻域结构同时刻画同期和滞后效应。

模型：

\[y_{ij,t} = \sum_{(k,l) \in \mathcal{N}_c(i,j)} c_{k-i, l-j} \, y_{kl,t} + \sum_{h=1}^{d} \sum_{(k,l) \in \mathcal{N}_a(i,j)} a_{h, k-i, l-j} \, y_{kl,t-h} + \epsilon_{ij,t}\]

关键技术：Yule-Walker 方程处理同期内生性，translation invariance + separability 降维

目标期刊：JASA / J. Econometrics

详细 proposal：~/claude-reading/ideas/spatio_temporal/idea_01_liar_spatial_lag.md