因子Cpt

高维时间序列的同时多重变点与因子分析。本文首次提出了二阶结构中具有多个变化点的高维时间序列因子模型的综合处理方法。我们在最灵活的分段平稳性定义下进行操作,一致地估计变化点的数量和位置,并确定它们是来自于共同的还是特殊的成分。通过小波变换,将高维时间序列二阶结构中的变点检测问题转化为高维面板数据方法中的(相对容易)变化点检测问题。我们的方法通过采用筛选程序避免了准确估计真实因素数量的难题。在广泛的模拟研究中,我们表明,在变化点检测之前进行因子分析提高了变化点的可检测性,并识别和描述了一种有趣的“溢出”效应,即特殊成分的实质性断裂自然被识别为共同成分中的变化点,这促使我们把相应的变化点看作是一种“因素”的形式。我们介绍了一个简单的图形工具,用于可视化因子结构随时间的分段平稳演化。我们的方法在可从CRAN获得的R包系数RCPT中实现。