Sparse Bayesian Factor Analysis When the Number of Factors Is Unknown

Carregando...
Imagem de Miniatura
Autores
Frühwirth-Schnatter, Sylvia
Hosszejni, Darjus
Orientador
Co-orientadores
Citações na Scopus
Tipo de documento
Artigo Científico
Data
2024
Título da Revista
ISSN da Revista
Título do Volume
Projetos de Pesquisa
Unidades Organizacionais
Fascículo
Resumo
There has been increased research interest in the subfield of sparse Bayesian factor analysis with shrinkage priors, which achieve additional sparsity beyond the natural parsimonity of factor models. In this spirit, we estimate the number of common factors in the widely applied sparse latent factor model with spike-and-slab priors on the factor loadings matrix. Our framework leads to a natural, efficient and simultaneous coupling of model estimation and selection on one hand and model identification and rank estimation (number of factors) on the other hand. More precisely, by embedding the unordered generalised lower trian gular loadings representation into overfitting sparse factor modelling, we obtain posterior summaries regarding factor loadings, common factors as well as the factor dimension via postprocessing draws from our efficient and customized Markov chain Monte Carlo scheme.

Titulo de periódico
Bayesian Anal. Advance Publication
Título de Livro
URL na Scopus
Idioma
Inglês
Notas
Membros da banca
Área do Conhecimento CNPQ
CIENCIAS EXATAS E DA TERRA::MATEMATICA

CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA

ENGENHARIAS::ENGENHARIA ELETRICA

CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Citação