Change point estimation in panel data with time‐varying individual effects
时变个体效应面板数据中的变点估计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。
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：摘要明确讨论短面板个体效应、多重变点及斜率或协方差变化，直接对应面板数据与结构变化两个方向。
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…
时变个体效应面板数据中的变点估计
- 研究问题
- 在个体效应随时间变化的短面板中，如何估计多个变点，并区分斜率变化与解释变量同个体效应协方差变化的来源？
- 方法与思路
- 作者提出直接用普通最小二乘估计多个变点，不先进行一阶差分等数据变换；另设两项检验，辨别变点来自斜率还是协方差变化。
- 材料陈述的贡献
- 摘要称该方法可在短面板中一致估计多个变点，小样本表现优于一阶差分方法，并以环境库兹涅茨曲线和美国房价预期作示例。
- 阅读关注点
- 应核对短面板一致性的渐近框架、变点间距及个体效应条件，两项检验的原假设，以及小样本比较的模拟设计。
- 阅读边界
- 摘要未说明一致性和检验成立的具体假设，也未给出样本规模或数值结果；小样本优势属于作者陈述，不能推广到任意面板。
原文摘要
Summary Existing panel data methods remove unobserved individual effects before change point estimation through data transformations such as first‐differencing. In this paper, we show that multiple change points can be consistently estimated in short panels via ordinary least squares. Since no data variation is removed before change point estimation, our method has better small‐sample properties compared to first‐differencing methods. We also propose two tests that identify whether the change points found by our method originate in the slope parameters or in the covariance of the regressors with individual effects. We illustrate our method via modeling the environmental Kuznets curve and the US house price expectations after the financial crisis.