The Asymptotic Distribution of a Noniterative Estimator in Exploratory Factor Analysis
探索性因子分析中一种非迭代估计量的渐近分布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：摘要研究一般探索性因子分析的特有方差估计，未涉及宏观时间序列或金融因子的具体设定，不能仅凭因子一词归类。
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
探索性因子分析中一种非迭代估计量的渐近分布
- 研究问题
- 探索性因子分析中特有方差的非迭代估计量具有什么渐近分布？高估因子数量后，一致性、连续性与分布矩会怎样变化？
- 方法与思路
- 作者研究 Ihara–Kano 特有方差非迭代估计量的渐近分布，重点分析因子数高估时估计量对样本协方差矩阵的不连续性。
- 材料陈述的贡献
- 摘要称，因子数高估时估计量仍一致，但其渐近分布非正态，且该极限分布的一阶矩不存在，揭示了常规近似的边界。
- 阅读关注点
- 核对因子数和维度的设定、估计量构造及极限分布形式，查明一致性证明如何处理不连续性，以及一阶矩不存在的具体含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；极限分布无一阶矩不等于有限样本估计量无均值，其他因子数设定的结果未说明。
原文摘要
This paper presents the asymptotic distribution of Ihara and Kano's noniterative estimator of the uniqueness in exploratory factor analysis. When the number of factors is overestimated, the estimator is not a continuous function of the sample covariance matrix and its asymptotic distribution is not normal, but the consistency holds. It is also shown that the first-order moment of the asymptotic distribution does not exist.