When it counts -- Econometric identification of the basic factor model based on GLT structures
基于广义下三角结构的基本因子模型识别与计数规则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：摘要直接研究稀疏因子模型的载荷结构、共同因子数量与识别方法。
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…
基于广义下三角结构的基本因子模型识别与计数规则
- 研究问题
- 稀疏载荷因子模型如何超越常见旋转约束实现方差识别，并在探索性因子分析中识别未知的共同因子数量？
- 方法与思路
- 作者引入广义下三角载荷结构，与正下三角约束比较，给出方差识别的计数规则，并在贝叶斯后验抽样后处理中展示方法。
- 材料陈述的贡献
- 摘要称广义下三角表示兼具唯一性与非限制性，提供简单计数规则，并说明该模型类内能够恢复未知共同因子数。
- 阅读关注点
- 应核对唯一性与非限制性的准确含义、计数规则适用的载荷零结构，以及方差识别、旋转识别和因子数量恢复之间的关系。
- 阅读边界
- 所据为 arXiv 预印本，同行评审与期刊接收未核实；摘要未给出计数规则和证明条件，不能将识别结论推广至所有稀疏因子模型。
原文摘要
Despite the popularity of factor models with sparse loading matrices, little attention has been given to formally address identifiability of these models beyond standard rotation-based identification such as the positive lower triangular (PLT) constraint. To fill this gap, we review the advantages of variance identification in sparse factor analysis and introduce the generalized lower triangular (GLT) structures. We show that the GLT assumption is an improvement over PLT without compromise: GLT is also unique but, unlike PLT, a non-restrictive assumption. Furthermore, we provide a simple counting rule for variance identification under GLT structures, and we demonstrate that within this model class the unknown number of common factors can be recovered in an exploratory factor analysis. Our methodology is illustrated for simulated data in the context of post-processing posterior draws in Bayesian sparse factor analysis.