Interpreting (and testing) factor loadings
因子载荷的解释与检验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：摘要明确讨论大型宏观系统的动态因子模型与主成分载荷推断，并以美国各州经济收敛为应用，直接对应宏观因子模型。
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…
关注这篇论文的作者
因子载荷的解释与检验
- 研究问题
- 动态因子模型中，基于主成分载荷渐近分布的置信区间和检验，在横截面维数不够大时会受到何种影响，如何加以修正？
- 方法与思路
- 作者分析载荷渐近近似的有限样本表现，以 HAR 推断处理协方差估计不确定性，并用子抽样修正涉及因子估计的均方误差。
- 材料陈述的贡献
- 摘要称，横截面维数不足会严重影响常规渐近近似，提出两类修正，并通过美国各州经济收敛分析展示相关问题的重要性。
- 阅读关注点
- 应核对因子及载荷的归一化、横截面与时间维数要求、HAR 实现方式，以及子抽样修正对区间和检验表现的影响。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或期刊接收；摘要未说明维数不足的具体范围，也未提供修正效果的数值结果。
原文摘要
Dynamic Factor Models (DFMs) are popular to reduce dimensionality being customary in the empirical analysis of large systems of macroeconomic and/or financial variables. In this context, the common underlying factors and their loadings are often extracted using Principal Components (PC), which are consistent and asymptotically normal under very general conditions. Consequently, inference on the factor loadings, which is crucial for the correct interpretation of the underlying factors, is often based on their asymptotic distribution with the limit covariance matrix of the loadings consistently estimated using HAC estimators. In this paper, we analyse the performance of the finite sample asymptotic approximation when constructing confidence intervals and testing about estimated PC loadings. We show that this approximation is seriously affected when the cross-sectional dimension is not large enough. We propose using HAR inference and a subsampling procedure to correct the MSE of the loadings to take into account the uncertainty associated with the estimation of the covariance matrix and of the factors, respectively. The relevance of the results is illustrated in an empirical analysis of economic convergence among the US states.