Revisiting Asymptotic Theory for Principal Component Estimators of Approximate Factor Models
重审近似因子模型主成分估计量的渐近理论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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要专门研究近似因子模型、弱因子、主成分因子与载荷及因子增广回归。
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…
重审近似因子模型主成分估计量的渐近理论
- 研究问题
- 传统主成分理论使用依赖估计量的旋转，使固定总体目标不清楚。论文研究如何定义独立于估计量的因子与载荷，并建立相应推断。
- 方法与思路
- 作者构造不使用 PC 估计量或特异误差的总体旋转，定义满足 PC 归一化的伪真参数，再研究不同信号特征值增长速度下的渐近性质。
- 材料陈述的贡献
- 摘要称建立固定目标的因子、载荷及因子增广回归渐近理论，使因子置信区间、载荷形态和回归系数获得明确的总体参数解释。
- 阅读关注点
- 应核对总体旋转存在及符号唯一性的条件、弱因子的允许强度、不同特征值增长率，以及固定目标回归理论对第一阶段误差的处理。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列完整维度、依赖和特征值条件，PC 归一化参数的经济含义仍需具体模型支持。
原文摘要
It is well known that approximate factor models exhibit rotation indeterminacy. Principal component (PC) estimators are typically analyzed relative to a rotated factor-loading representation, but the commonly used rotation depends on the estimator itself, leaving unclear which fixed population parameters are estimated. We show that any starting representation of the common component can be mapped by a rotation matrix $\bH$, constructed without using the PC estimator or the idiosyncratic errors and unique up to column signs, to a population representation satisfying the same PC normalization as the estimator. Although $\bH$ depends on the starting representation, the resulting representation is invariant to that choice up to simultaneous column sign changes. We call the resulting factors and loadings the pseudo-true (PC-normalized) parameters. Under a general weak factor model allowing signal eigenvalues to diverge at possibly different rates, we establish consistency and asymptotic normality of the PC estimators for these fixed, estimator-independent targets, together with fixed-target asymptotic theory for factor-augmented regressions. The theory thereby justifies confidence intervals for PC-normalized factors, gives loading profiles a fixed-target interpretation, and identifies the population coefficients associated with estimated PC factors in factor-augmented regressions.