Least squares estimation of large dimensional threshold factor models
高维门限因子模型的最小二乘估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要以高维因子模型为主体，并明确研究载荷的门限型状态转换。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
高维门限因子模型的最小二乘估计
- 研究问题
- 当高维因子模型的载荷随门限发生状态转换时，如何联合估计门限、因子和载荷，并判断模型是否具有非线性？
- 方法与思路
- 作者使用集中最小二乘估计门限，以主成分估计因子与载荷，同时提出模型选择准则和针对线性设定的检验。
- 材料陈述的贡献
- 摘要称门限估计超一致，且不改变因子和载荷的收敛率；应用显示经济政策不确定性较高时期金融变量关联性增加。
- 阅读关注点
- 应核对门限变量与状态转换形式、门限收敛率对面板两维的依赖，以及线性检验和金融关联性指标的定义。
- 阅读边界
- 仅依据所给出版社摘要；门限识别条件、精确速率和应用数值未说明，金融关联性的变化不能直接解释为政策不确定性的因果效应。
原文摘要
This paper studies large dimensional factor models with threshold-type regime shifts in the loadings. We estimate the threshold by concentrated least squares, and factors and loadings by principal components. The estimator for the threshold is superconsistent, with convergence rate that depends on the time and cross-sectional dimensions of the panel, and it does not affect the estimator for factors and loadings: this has the same convergence rate as in linear factor models. We propose model selection criteria and a linearity test. Empirical application of the model shows that connectedness in financial variables increases during periods of high economic policy uncertainty.