高维因子模型的主成分分析（PCA）估计.docxVIP

高维因子模型的主成分分析（PCA）估计

一、引言

随着数据采集与存储技术的持续发展，社会科学、自然科学等多个领域的研究与实践都开始面临高维数据的分析挑战——小到个体层面的消费、行为记录，大到宏观层面的经济运行、生态环境监测，研究者可获得的变量维度从几十个快速增长到成百上千甚至上万个，远超过传统统计方法的适配范围。在众多高维数据分析工具中，高维因子模型凭借“少数共同因子驱动高维变量协同运动”的简洁设定，成为刻画高维变量关联结构的核心框架，而主成分分析（后文简称PCA）则是高维因子模型应用最广泛、理论基础最扎实的估计方法。

不同于传统低维场景下的探索性降维工具，应用于高维因子模型的PCA估计经过几