THREE-DIMENSIONAL FACTOR MODELS WITH GLOBAL AND LOCAL FACTORS
具有全局与局部因子的三维因子模型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：摘要直接研究三维潜在因子模型、全局局部因子及主成分估计。
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
具有全局与局部因子的三维因子模型
- 研究问题
- 在含一组全局因子及两组局部因子的三维数据中，如何确定各类因子数量，并估计因子结构及其渐近性质？
- 方法与思路
- 作者提出全局与局部因子数量的估计方法，在给定因子数量后采用两步主成分分析，并以模拟和国际贸易数据展示方法。
- 材料陈述的贡献
- 摘要称，各类因子数量可被一致且统一地估计，两步 PCA 估计量具有所建立的渐近性质，贸易应用揭示不同因子的相对重要性。
- 阅读关注点
- 应核对三维索引与局部因子的作用范围、全局局部成分的可分辨条件，以及维度增长、因子数选择和两步估计误差。
- 阅读边界
- 所给 Crossref 摘要未说明因子强度、依赖条件或具体渐近分布；贸易中的因子重要性不能据此解释为特定经济机制的因果贡献。
原文摘要
This article considers a three-dimensional latent factor model in the presence of one set of global factors and two sets of local factors. We show that the numbers of global and local factors can be estimated uniformly and consistently. Given the number of global and local factors, we propose a two-step estimation procedure based on principal component analysis (PCA) and establish the asymptotic properties of the PCA estimators. Monte Carlo simulations demonstrate that they perform well in finite samples. An application to the dataset of international trade reveals the relative importance of different types of factors.