Simple Alternatives to the Common Correlated Effects Model
共同相关效应模型的简便替代方法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：摘要直接研究时间维度固定的面板数据估计，并讨论异质截距、趋势和斜率，因此归入面板数据方向。
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…
共同相关效应模型的简便替代方法
- 研究问题
- 在时间维度固定的面板因子模型中，如何放宽共同相关效应方法的限制，并处理离散解释变量、灵活函数形式及斜率异质性？
- 方法与思路
- 作者将不可观测因子表示为解释变量横截面均值或其他横截面矩的函数，构造一般估计量，并推导固定时间维度下的渐近分布。
- 材料陈述的贡献
- 摘要称所提框架包含 pooled CCE 估计量这一特例，在更弱条件下容许异质斜率，并给出总体矩估计误差的推断调整。
- 阅读关注点
- 应核对因子表示与原有 CCE 假设的关系、因子数量限制、异质斜率下的一致性条件，以及估计横截面矩时的方差修正。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实。摘要未列出完整正则条件，不能据此判断放宽假设的实际适用范围。
原文摘要
We study estimation of factor models in a fixed-T panel data setting and significantly relax the common correlated effects (CCE) assumptions pioneered by Pesaran (2006) and used in dozens of papers since. In the simplest case, we model the unobserved factors as functions of the cross-sectional averages of the explanatory variables and show that this is implied by Pesaran's assumptions when the number of factors does not exceed the number of explanatory variables. Our approach allows discrete explanatory variables and flexible functional forms in the covariates. Plus, it extends to a framework that easily incorporates general functions of cross-sectional moments, in addition to heterogeneous intercepts and time trends. Our proposed estimators include Pesaran's pooled correlated common effects (CCEP) estimator as a special case. We also show that in the presence of heterogeneous slopes our estimator is consistent under assumptions much weaker than those previously used. We derive the fixed-T asymptotic normality of a general estimator and show how to adjust for estimation of the population moments in the factor loading equation.