Likelihood ratio test for structural changes in factor models
因子模型结构变化的似然比检验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：摘要直接研究因子载荷和因子方差的结构变化，并应用于美国月度行业就业数据，对应因子模型与结构变化。
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
因子模型结构变化的似然比检验
- 研究问题
- 因子载荷发生结构变化时，如何利用其与因子方差变化的观测等价关系，构造低维检验并改善断点检验的功效？
- 方法与思路
- 作者将载荷变化转化为估计因子的方差变化，构造似然比检验，并讨论备择下方差矩阵奇异、均值变化及多个断点。
- 材料陈述的贡献
- 摘要称，方差矩阵可能奇异使似然比统计量比 Wald 型统计量发散更快；模拟支持其功效优势，并提供美国行业就业应用。
- 阅读关注点
- 应核对观测等价关系的适用条件、估计因子误差如何进入检验，以及奇异方差、多断点和均值变化下的理论处理。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未经核实；摘要未说明因子维数、断点搜索规则及功效比较的具体条件。
原文摘要
A factor model with a break in its factor loadings is observationally equivalent to a model without changes in the loadings but a change in the variance of its factors. This effectively transforms a structural change problem of high dimension into a problem of low dimension. This paper considers the likelihood ratio (LR) test for a variance change in the estimated factors. The LR test implicitly explores a special feature of the estimated factors: the pre-break and post-break variances can be a singular matrix under the alternative hypothesis, making the LR test diverging faster and thus more powerful than Wald-type tests. The better power property of the LR test is also confirmed by simulations. We also consider mean changes and multiple breaks. We apply the procedure to the factor modelling and structural change of the US employment using monthly industry-level-data.