Selecting the Correct Number of Factors in Approximate Factor Models: The Large Panel Case With Group Bridge Estimators
使用组桥估计量选择近似因子模型的正确因子数：大面板情形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：题名与摘要明确研究大面板近似因子模型，并使用美国宏观经济数据作示例，因此归入因子模型与宏观面板。
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
使用组桥估计量选择近似因子模型的正确因子数：大面板情形
- 研究问题
- 在大面板近似因子模型中，如何通过收缩估计保留相关因子的载荷、剔除无关因子，并一致地选择正确的因子数量？
- 方法与思路
- 作者将传统桥估计从单方程扩展到大面板，通过组桥估计处理因子载荷；同时给出算法，并以蒙特卡洛和美国宏观数据示例考察表现。
- 材料陈述的贡献
- 摘要称，该估计量可一致估计相关因子的载荷，并以趋近于一的概率把无关载荷压至零，从而一致选择因子数；模拟显示收敛较快且小样本表现良好。
- 阅读关注点
- 应核对因子数一致选择所需的面板维度与信号条件、惩罚参数选择和算法收敛依据，并查看小样本比较及宏观示例的设定。
- 阅读边界
- 载荷与因子数的一致性均属摘要中的作者结论，所需假设和证明未说明；模拟所称良好表现不能据此推广到所有面板或因子强度。
原文摘要
This article proposes a group bridge estimator to select the correct number of factors in approximate factor models. It contributes to the literature on shrinkage estimation and factor models by extending the conventional bridge estimator from a single equation to a large panel context. The proposed estimator can consistently estimate the factor loadings of relevant factors and shrink the loadings of irrelevant factors to zero with a probability approaching one. Hence, it provides a consistent estimate for the number of factors. We also propose an algorithm for the new estimator; Monte Carlo experiments show that our algorithm converges reasonably fast and that our estimator has very good performance in small samples. An empirical example is also presented based on a commonly used U.S. macroeconomic dataset.