Identification and Bayesian Estimation of Dynamic Factor Models
动态因子模型的识别与贝叶斯估计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：摘要明确研究动态及多层因子模型，并涉及 SVAR 嵌入、脉冲响应和组间冲击溢出，支持因子模型与 VAR 方向。
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
动态因子模型的识别与贝叶斯估计
- 研究问题
- 动态因子模型如何以具有经济解释的较少限制实现识别，并在测量误差、异质序列相关及组间冲击传递下进行估计与推断？
- 方法与思路
- 作者结合最小识别条件、过度识别及一般线性限制构建贝叶斯算法，以平方根卡尔曼滤波抽取因子，并允许异质序列相关误差。
- 材料陈述的贡献
- 摘要称，该框架可嵌入带测量误差的 SVAR，计算脉冲响应区间，并将类似识别条件用于多层因子模型的组间溢出分析。
- 阅读关注点
- 重点核对识别限制的经济解释及比较基准、测量误差与特异误差的处理，以及平方根滤波和多层因子扩展的具体实现。
- 阅读边界
- 摘要未列出完整识别条件、先验设定及数值比较结果；限制更少与算法更稳健的具体比较基准和适用边界需查全文。
原文摘要
We consider a set of minimal identification conditions for dynamic factor models. These conditions have economic interpretations and require fewer restrictions than the static factor framework. Under these restrictions, a standard structural vector autoregression (SVAR) with measurement errors can be embedded into a dynamic factor model. More generally, we also consider overidentification restrictions to achieve efficiency. We discuss general linear restrictions, either in the form of known factor loadings or cross-equation restrictions. We further consider serially correlated idiosyncratic errors with heterogeneous dynamics. A numerically stable Bayesian algorithm for the dynamic factor model with general parameter restrictions is constructed for estimation and inference. We show that a square-root form of the Kalman filter improves robustness and accuracy when sampling the latent factors. Confidence intervals (bands) for the parameters of interest such as impulse responses are readily computed. Similar identification conditions are also exploited for multilevel factor models, and they allow us to study the “spill-over” effects of the shocks arising from one group to another. Supplementary materials for technical details are available online.