A multilevel factor model: Identification, asymptotic theory and applications
多层因子模型：识别、渐近理论与应用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：摘要研究全球与国家因子的识别和估计，并以25个OECD国家识别国际商业周期，直接支持宏观因子模型分类。
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…
多层因子模型：识别、渐近理论与应用
- 研究问题
- 当全球因子影响所有个体、国家因子仅影响本国个体时，如何分别识别和估计两类因子空间，并确定各国的因子数量？
- 方法与思路
- 作者先用典型相关分析初估全球因子，再构造全球与国家因子的主成分估计量，并提出选择国家因子数量的信息准则。
- 材料陈述的贡献
- 摘要称主成分估计量能一致估计两类因子空间且具渐近正态性，并提出国家因子数准则；模拟及25个OECD国家应用展示其表现。
- 阅读关注点
- 核对两类因子可分离的识别条件、渐近理论依赖哪些维度增长，以及初始估计误差、因子数选择与全球商业周期解释的关系。
- 阅读边界
- 摘要明确假设全球因子数量已知，但未说明完整识别与渐近条件；因子空间估计结果也不足以确认所提取因子的唯一经济含义。
原文摘要
Summary This paper studies a multilevel factor model with global and country factors. The global factors affect all individuals, whereas the country factors affect only those within each specific country. A sequential procedure to identify the global and country factors separately is proposed. In the initial step, the global factors are estimated by canonical correlation analysis. Using this initial estimator, the principal component estimators (PCEs) of the global and country factors are constructed. It is shown that the PCEs estimate the spaces of the global and country factors consistently and are normally distributed in the limit. Several information criteria that can estimate the number of country factors are proposed. The number of global factors is assumed to be known. Extensive simulation results demonstrate that the sequential procedure and information criteria work well in finite samples. The method of this paper is applied to 25 OECD countries to identify an international business cycle. It is reported that the method extracts a global factor reasonably well.