Principal Components Analysis Based on Multivariate MM Estimators With Fast and Robust Bootstrap
基于多元 MM 估计及快速稳健自助法的主成分分析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：摘要讨论一般稳健主成分分析，未明确建立宏观或金融因子模型。
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…
基于多元 MM 估计及快速稳健自助法的主成分分析
- 研究问题
- 如何对基于多元 MM 估计的主成分分析进行稳健推断，并评估特征值、特征向量及主成分在样本扰动下的稳定性？
- 方法与思路
- 作者研究 MM 估计相关特征结构的稳健性与效率，并使用快速稳健自助法进行推断，作为渐近分布方法的替代途径。
- 材料陈述的贡献
- 摘要称，论文给出自助法一致性的正式证明，通过模拟考察有限样本表现，并在真实数据上展示稳健主成分分析与推断。
- 阅读关注点
- 应核对污染与稳健性定义、特征值间隔条件、自助法如何近似 MM 估计，以及稳定性评价和模拟比较的具体设置。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；稳健性界、效率数值及自助法条件未提供，不能认为其对任何异常值结构都可靠。
原文摘要
We consider robust principal components analysis (PCA) based on multivariate MM estimators. We first study the robustness and efficiency of these estimators, particularly in terms of eigenvalues and eigenvectors. We then focus on inference procedures based on a fast and robust bootstrap for MM estimators. This method is an alternative to the approach based on the asymptotic distribution of the estimators and can also be used to assess the stability of the principal components. A formal consistency proof for the bootstrap method is given, and its finite-sample performance is investigated through simulations. We illustrate the use of the robust PCA and the bootstrap inference on a real dataset.