Factor-Based Imputation of Missing Values and Covariances in Panel Data of Large Dimensions
高维面板中缺失值与协方差的因子插补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：摘要明确利用大维度面板的因子结构进行缺失值与协方差估计，因此对应面板数据和因子模型方法，未限定具体应用领域。
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
高维面板中缺失值与协方差的因子插补
- 研究问题
- 在大维度面板中存在缺失观测时，如何利用因子结构插补数据，并修正仅插补共同成分导致的协方差向下偏差？
- 方法与思路
- 作者以 tall-project 算法从完整区块估计因子，再利用不同长度的投影估计载荷；通过重复加入重抽样特异残差修正协方差。
- 材料陈述的贡献
- 摘要称共同成分插补无需进一步迭代即可具有一致性和渐近正态性，并讨论因子增强回归及协方差估计，模拟显示有限样本性质良好。
- 阅读关注点
- 应核对完整区块的构造、缺失模式限制、因子载荷估计条件，以及残差重抽样如何恢复协方差和影响后续回归推断。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收状态未核实；摘要未说明缺失机制、渐近条件和模拟数值，不能判断任意缺失下的有效性。
原文摘要
Economists are blessed with a wealth of data for analysis, but more often than not, values in some entries of the data matrix are missing. Various methods have been proposed to handle missing observations in a few variables. We exploit the factor structure in panel data of large dimensions. Our \textsc{tall-project} algorithm first estimates the factors from a \textsc{tall} block in which data for all rows are observed, and projections of variable specific length are then used to estimate the factor loadings. A missing value is imputed as the estimated common component which we show is consistent and asymptotically normal without further iteration. Implications for using imputed data in factor augmented regressions are then discussed. To compensate for the downward bias in covariance matrices created by an omitted noise when the data point is not observed, we overlay the imputed data with re-sampled idiosyncratic residuals many times and use the average of the covariances to estimate the parameters of interest. Simulations show that the procedures have desirable finite sample properties.