Matrix-valued Factor Model with Time-varying Main Effects
具有时变主效应的矩阵值因子模型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：摘要明确研究矩阵值因子模型、因子载荷及共同成分的秩估计。
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
具有时变主效应的矩阵值因子模型
- 研究问题
- 传统矩阵值因子模型是否足以描述同时具有时变总体均值、行效应和列效应的数据，如何识别并估计这些不同成分？
- 方法与思路
- 作者提出时变主效应因子模型，估计总体均值、行列主效应及载荷矩阵，并构造共同成分核心秩估计与模型充分性检验。
- 材料陈述的贡献
- 摘要称，论文给出识别定义、收敛率、渐近正态性与秩估计一致性，并用模拟和纽约出租车数据展示估计及检验表现。
- 阅读关注点
- 应核对主效应与共同因子之间的识别约束、渐近维度设定、秩估计条件，以及新增主效应检验的原假设与有效性条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收。摘要未列出理论条件、收敛率公式或应用检验数值，不能判断模型普遍必要。
原文摘要
We introduce the matrix-valued time-varying Main Effects Factor Model (MEFM). MEFM is a generalization to the traditional matrix-valued factor model (FM). We give rigorous definitions of MEFM and its identifications, and propose estimators for the time-varying grand mean, row and column main effects, and the row and column factor loading matrices for the common component. Rates of convergence for different estimators are spelt out, with asymptotic normality shown. The core rank estimator for the common component is also proposed, with consistency of the estimators presented. We propose a test for testing if FM is sufficient against the alternative that MEFM is necessary, and demonstrate the power of such a test in various simulation settings. We also demonstrate numerically the accuracy of our estimators in extended simulation experiments. A set of NYC Taxi traffic data is analysed and our test suggests that MEFM is indeed necessary for analysing the data against a traditional FM.