General spatio-temporal factor models for high-dimensional random fields on a lattice
格点上高维随机场的一般时空因子模型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。
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：摘要明确研究潜在因子、共同与特异成分、频域估计及因子数选择，直接对应因子模型；未说明具体宏观应用场景。
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…
格点上高维随机场的一般时空因子模型
- 研究问题
- 对于跨空间地点与时间观测的高维随机场，如何识别少量潜在因子驱动的共同成分，并估计共同成分及确定因子数量？
- 方法与思路
- 作者提出一般时空因子模型，将随机场分为共同与弱横截面相关的特异成分，利用频域 Fourier 分析估计，并构建因子数信息准则。
- 材料陈述的贡献
- 摘要称建立高维下的成分识别，推导多维度共同增长时估计的一致性与收敛速度，并用合成数据展示利用空间相关信息的优势。
- 阅读关注点
- 核对共同与特异成分的限制、维度及空间时间规模增长条件、频域估计和因子数准则，以及与忽略空间相关方法的模拟比较。
- 阅读边界
- 仅据所给 OpenAlex 摘要版本；摘要未列出识别条件、具体收敛速度或模拟数值，优势仅为所述合成数据证据，未说明真实应用表现。
原文摘要
Motivated by the need for analysing large spatio-temporal panel data, we introduce a novel nonparametric methodology for n-dimensional random fields observed across S spatial locations and T time periods. We call it general spatio-temporal factor model (GSTFM). First, we provide the probabilistic and mathematical underpinning needed for the representation of a random field as the sum of two components: the common component (driven by a small number q of latent factors) and the idiosyncratic component (mildly cross-correlated). We show that the two components are identified as n→∞. Second, we propose an estimator of the common component and derive its statistical guarantees (consistency and rate of convergence) as min(n,S,T)→∞. Third, we propose an information criterion to determine the number of factors. Estimation makes use of Fourier analysis in the frequency domain and thus it fully exploits the information on the spatio-temporal covariance structure of the whole panel. Synthetic data examples illustrate the applicability of GSTFM and its advantages over the extant generalized dynamic factor model that ignores the spatial correlations.