Multidimensional dynamic factor models
多维动态因子模型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：摘要明确推广动态因子与状态空间模型，并强调个体预测、在线观测处理及实时经济分析。
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
多维动态因子模型
- 研究问题
- 如何对多维依赖数据建立可解释的动态因子模型，同时结合家庭微观信息与宏观总量，支持个体预测和实时分析？
- 方法与思路
- 作者推广动态因子模型以处理多维依赖数据，并结合状态空间框架联合建模美国家庭与宏观总量，支持在线处理观测。
- 材料陈述的贡献
- 摘要称模型能生成家庭层面的局部预测、反事实与脉冲响应，并处理缺失值和异步发布，适用于实时经济分析。
- 阅读关注点
- 应核对多维因子结构的识别与估计、在线更新和缺失处理机制，以及家庭反事实与脉冲响应所依赖的解释条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未给出因子数选择、预测比较或冲击识别条件，反事实的因果解释待核对。
原文摘要
This paper generalises dynamic factor models for multidimensional dependent data. In doing so, it develops an interpretable technique to study complex information sources ranging from repeated surveys with a varying number of respondents to panels of satellite images. We specialise our results to model microeconomic data on US households jointly with macroeconomic aggregates. This results in a powerful tool able to generate localised predictions, counterfactuals and impulse response functions for individual households, accounting for traditional time-series complexities depicted in the state-space literature. The model is also compatible with the growing focus of policymakers for real-time economic analysis as it is able to process observations online, while handling missing values and asynchronous data releases.