Estimation and Inference for Three-Dimensional Panel Data Models
三维面板数据模型的估计与推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确提出三维面板回归及全局、局部潜在因子结构，直接对应面板数据与因子模型方法。
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…
关注这篇论文的作者
三维面板数据模型的估计与推断
- 研究问题
- 在三维分层面板中，如何同时估计回归参数、区分全局与两组局部潜在因子，并在截面依赖和时间相关下开展推断？
- 方法与思路
- 作者构建含三组潜在因子结构的三维面板模型，提出能分离不同层级和维度因子的估计方法，并建立渐近理论与 Bootstrap。
- 材料陈述的贡献
- 摘要称方法能够恢复目标参数并拆分不同层级的因子，推断允许多类截面依赖和时间自相关，并用于全球制造业生产率趋同研究。
- 阅读关注点
- 应核对三维索引与局部因子的对应关系、参数及因子的识别约束、各维度增长条件，以及 Bootstrap 如何保留依赖结构。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未提供识别条件、算法细节或应用结果，也未明确生产率趋同的机制。
原文摘要
Hierarchical panel data models have recently garnered significant attention. This study contributes to the relevant literature by introducing a novel three-dimensional (3D) hierarchical panel data model, which integrates panel regression with three sets of latent factor structures: one set of global factors and two sets of local factors. Instead of aggregating latent factors from various nodes, as seen in the literature of distributed principal component analysis (PCA), we propose an estimation approach capable of recovering the parameters of interest and disentangling latent factors at different levels and across different dimensions. We establish an asymptotic theory and provide a bootstrap procedure to obtain inference for the parameters of interest while accommodating various types of cross-sectional dependence and time series autocorrelation. Finally, we demonstrate the applicability of our framework by examining productivity convergence in manufacturing industries worldwide.