Aggregated Projection Method: A New Approach for Group Factor Model
聚合投影法：组因子模型的新方法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：摘要直接研究分组数据的全局与局部因子，并以美国全国及各州房价增长率展示共同与地区性因子结构。
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
聚合投影法：组因子模型的新方法
- 研究问题
- 在分组数据的因子模型中，如何区分共同作用于各组的全局因子与组内局部因子，尤其应对局部因子的强相关性？
- 方法与思路
- 作者最大化潜在全局因子与各组因子的平均相关性，通过聚合投影矩阵的特征分解求解，并估计全局和局部因子。
- 材料陈述的贡献
- 摘要称建立因子数量估计的一致性，以及因子和载荷估计的一致性与渐近分布，并将方法应用于美国房价增长率。
- 阅读关注点
- 应核对全局与局部因子的识别、强度和相关性条件，以及组数、组规模与样本长度如何影响因子数选择和推断。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。稳健性的条件与渐近方案未说明；房价因子的统计影响不能据此解释为因果作用。
原文摘要
Identifying the global factors among grouped data is crucial in the group factor model. In this paper, we propose a novel objective function for the task by maximizing the average of correlations between the latent global factors and group factors, solved through the eigen-decomposition of the aggregated projection matrix. Our method is not only computationally efficient but also robust to strongly correlated local factors. We establish the consistency of the global/local factor number estimation and the consistency and asymptotic distributions of the estimated global/local factors and loadings. Simulation studies show that our method outperforms state-of-the-art methods in various scenarios. The proposed method is applied to analyze the growth rate of house prices in the United States, identifying one global factor that significantly influences national house prices and several local factors that demonstrate the effects of each state.