Heteroscedastic factor analysis
异方差因子分析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：摘要研究一般异方差因子分析，应用为形态测量，未提供宏观因子或金融因子研究的直接依据。
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
异方差因子分析
- 研究问题
- 在因子与异方差误差的分布形式未指定时，如何估计异方差因子模型，并对异方差和个体因子得分进行推断？
- 方法与思路
- 作者提出并比较两种基于矩的模型拟合程序，同时构造个体层面的因子得分推断方法，以模拟和形态测量实例说明应用。
- 材料陈述的贡献
- 摘要称，两种程序可得到一致的参数估计和渐近有效的异方差推断，且无需指定因子与异方差误差的具体分布。
- 阅读关注点
- 应核对矩条件、模型识别与一致性所需假设，尤其是个体因子得分推断的目标、标准化方式及模拟比较设置。
- 阅读边界
- 仅据版本未注明的索引摘要，无法判断所需矩条件、有限样本覆盖率或两种程序的相对优势，也不能推断刊本变化。
原文摘要
Two moment‐based model‐fitting procedures for the heteroscedastic factor analysis model are introduced and compared. The procedures produce consistent parameter estimators and asymptotically valid inferences for heteroscedasticity without specifying the distributional forms for the factor and heteroscedastic errors. Also, an individual‐specific inference procedure for the factor score is developed. Simulation studies show the practical usefulness of the procedures. An example from a morphological measurement study is described.