Asymptotics of eigenprojections of correlation matrices with some applications in principal components analysis
相关矩阵特征投影的渐近理论及其主成分分析应用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：摘要涉及相关矩阵与主成分子空间的一般理论，未明确建立宏观或金融因子模型。
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
相关矩阵特征投影的渐近理论及其主成分分析应用
- 研究问题
- 样本相关矩阵的特征投影具有怎样的渐近分布，其渐近协方差矩阵的秩如何受分布参数影响并服务于子空间推断？
- 方法与思路
- 作者推导样本相关矩阵特征投影的渐近分布，分析渐近协方差矩阵的秩，并用于涉及主成分子空间的统计推断。
- 材料陈述的贡献
- 摘要称协方差矩阵的秩以较复杂方式依赖分布参数，文中结果可用于确定该秩，并提供主成分子空间推断应用。
- 阅读关注点
- 应核对特征投影对应的特征值条件、分布与矩条件、协方差秩的计算方法，以及秩变化对推断程序的影响。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未给出特征值限制、分布条件或具体检验方法，不能由主成分分析推断因子模型结果。
原文摘要
The asymptotic distribution of an eigenprojection for a sample correlation matrix is obtained. In particular, it is shown that the rank of the asymptotic covariance matrix depends on distributional parameters in a somewhat complicated manner. The results obtained in this paper can be used to determine this rank. Some applications of the asymptotic distribution of these eigenprojections to inferential problems involving principal components subspaces are given.