GLS Estimation of Dynamic Factor Models
动态因子模型的广义最小二乘估计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：摘要明确研究动态因子模型的两步 GLS 估计及与主成分估计的比较。
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
动态因子模型的广义最小二乘估计
- 研究问题
- 动态因子模型的误差存在异方差和序列相关时，如何采用可实施的估计方法，并改善通常基于主成分的估计效率？
- 方法与思路
- 作者提出简单的两步估计程序，允许误差异方差及序列相关，并研究可行估计量与已知协方差参数的 GLS 估计量之间的关系。
- 材料陈述的贡献
- 摘要称可行两步估计具有与已知协方差 GLS 相同的极限分布；模拟显示 GLS 及其迭代版本可能改善小样本效率。
- 阅读关注点
- 应核对协方差参数的估计方式、因子规范化和渐近框架，以及等价极限分布的条件、迭代停止规则和模拟效率指标。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明协方差结构及渐近条件，效率改善是所报告模拟中的结果，不能视为普遍保证。
原文摘要
In this article a simple two-step estimation procedure of the dynamic factor model is proposed. The estimator allows for heteroscedastic and serially correlated errors. It turns out that the feasible two-step estimator has the same limiting distribution as the generalized least squares (GLS) estimator assuming that the covariance parameters are known. In a Monte Carlo study of the small sample properties, we find that the GLS estimators may be substantially more efficient than the usual estimator based on principal components. Furthermore, it turns out that the iterated version of the estimator may feature considerably improved properties in sample sizes usually encountered in practice.