文件名称：高维可分离样本协方差矩阵的尖峰特征值-研究论文
文件大小：1.37MB
文件格式：PDF
更新时间：2024-06-30 01:13:47
Factor Model; High-Dimensional Data;
本文为具有横截面相关性和相关样本结构的高维数据的样本协方差矩阵的尖峰经验特征值建立了渐近特性。 已建立的理论结果的一个新发现是，在某些情况下，尖峰经验特征值将反映相关样本结构而不是横截面结构，这表明主成分分析 (PCA) 可能为横截面结构提供不准确的推断。 提供了一个说明性示例，以表明一些基于尖峰经验特征值的常用统计数据错误地估计了公因子的真实数量。 作为高维时间序列的应用，我们提出了一个检验统计量来区分单位根和因子结构，并在模拟数据上证明其有效的有限样本性能。 然后将我们的结果应用于分析经合组织医疗保健支出数据和美国死亡率数据，这两个数据都具有横截面依赖性和非平稳时间依赖性。 值得一提的是，我们为 Lee 和 Carter 的死亡率预测基准论文提供了统计证明。