Asymptotic Inference for Eigenvectors
特征向量的渐近推断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：摘要提供一般矩阵特征向量推断，主成分应用不足以确定宏观或金融因子模型分类。
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
特征向量的渐近推断
- 研究问题
- 当目标矩阵由数据估计时，如何对其特征向量的特定假设进行检验，并构造反映估计不确定性的置信区域？
- 方法与思路
- 作者在矩阵估计量满足较一般条件的框架下推导渐近程序，并将一般结果应用于主成分分析和典型变量分析。
- 材料陈述的贡献
- 摘要称，论文提供针对特征向量的假设检验与置信区域方法，并展示这些一般推断结果在两类多元分析中的应用。
- 阅读关注点
- 应核对矩阵估计量的渐近条件、特征值重合时的处理，以及特征向量的符号或归一化约定如何进入检验构造。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未说明具体假设、重根适用性与小样本表现，不能据主成分应用推断因子模型结果。
原文摘要
Asymptotic procedures are given for testing certain hypotheses concerning eigenvectors and for constructing confidence regions for eigenvectors. These asymptotic procedures are derived under fairly general conditions on the estimates of the matrix whose eigenvectors are of interest. Applications of the general results to principal components analysis and canonical variate analysis are given.