The likelihood ratio test for structural changes in factor models
因子模型结构变化的似然比检验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：摘要直接研究因子模型的载荷、方差与均值结构变化，并讨论多重断点。
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
因子模型结构变化的似然比检验
- 研究问题
- 因子载荷发生结构变化时，如何利用其与因子方差变化的观测等价关系，将高维变化检验转化为低维检验？
- 方法与思路
- 作者对估计因子的方差变化构造似然比检验，利用备择下前后方差矩阵可能奇异的特征，并考虑均值变化与多重断点。
- 材料陈述的贡献
- 摘要称，奇异性使似然比统计量比 Wald 型统计量更快发散，模拟支持其功效优势，并以美国行业月度就业数据展示应用。
- 阅读关注点
- 核对观测等价关系成立的条件、估计因子误差的处理、奇异性如何影响极限理论，以及多重断点的检验与定位程序。
- 阅读边界
- 仅据所给出版社摘要，无法判断功效优势适用的完整条件、模拟设计及就业数据结果，也不能推断其他版本的变化。
原文摘要
A factor model with a break in its factor loadings is observationally equivalent to a model without changes in the loadings but with a change in the variance of its factors. This approach effectively transforms a high-dimensional structural change problem into a low-dimensional problem. This paper considers the likelihood ratio (LR) test for a variance change in the estimated factors. The LR test implicitly explores a special feature of the estimated factors: the pre-break and post-break variances can be a singular matrix under the alternative hypothesis, making the LR test diverging faster and thus more powerful than Wald-type tests. The better power property of the LR test is also confirmed by simulations. We also consider mean changes and multiple breaks. We apply this procedure to the factor modeling of the US employment and study the structural change problem using monthly industry-level data.