sparseDFM: An R Package to Estimate Dynamic Factor Models with Sparse Loadings
sparseDFM：估计稀疏载荷动态因子模型的 R 包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：摘要明确实现动态因子模型，并将其用于英国 CPI 结构分析与出口商品即时预测，支持因子模型和预测分类。
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…
sparseDFM：估计稀疏载荷动态因子模型的 R 包
- 研究问题
- 如何在 R 中高效实现常用动态因子模型与稀疏载荷估计，并通过实际案例指导结构概括和即时预测应用？
- 方法与思路
- 作者介绍 sparseDFM 包的估计策略，包括以正则化准最大似然和 EM 算法估计稀疏动态因子模型，并提供两个数据教程。
- 材料陈述的贡献
- 摘要称软件实现了包括稀疏动态因子模型在内的多种方法，并以英国季度 CPI 结构概括及九类出口商品即时预测展示用法。
- 阅读关注点
- 应核对软件支持的模型设定、正则化与 EM 的实现细节，以及两个教程的数据准备、因子解释和即时预测流程。
- 阅读边界
- 所给为 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明软件版本、运行成本或预测表现，不能据此判断实现可靠性。
原文摘要
sparseDFM is an R package for the implementation of popular estimation methods for dynamic factor models (DFMs) including the novel Sparse DFM approach of Mosley et al. (2023). The Sparse DFM ameliorates interpretability issues of factor structure in classic DFMs by constraining the loading matrices to have few non-zero entries (i.e. are sparse). Mosley et al. (2023) construct an efficient expectation maximisation (EM) algorithm to enable estimation of model parameters using a regularised quasi-maximum likelihood. We provide detail on the estimation strategy in this paper and show how we implement this in a computationally efficient way. We then provide two real-data case studies to act as tutorials on how one may use the sparseDFM package. The first case study focuses on summarising the structure of a small subset of quarterly CPI (consumer price inflation) index data for the UK, while the second applies the package onto a large-scale set of monthly time series for the purpose of nowcasting nine of the main trade commodities the UK exports worldwide.