Estimation of a Factor-Augmented Linear Model with Applications Using Student Achievement Data
因子增强线性模型的估计及学生成绩数据应用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：摘要明确涉及纵向学生数据，以及因子增强模型的旋转识别和因子估计。
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…
因子增强线性模型的估计及学生成绩数据应用
- 研究问题
- 在纵向数据中，经济理论无法指导因子旋转限制时，如何识别因子增强线性模型，并在聚类样本和高维条件下估计未知因子？
- 方法与思路
- 作者利用内部生成的工具变量研究识别，提出一类新估计量，并结合聚类样本和高维模型理论建立大样本结果，开展模拟与学生数据应用。
- 材料陈述的贡献
- 摘要称获得新的识别结果和估计方法，模拟显示未知因子估计表现改善，并在小学、高中和大学学生行政数据中开展三项应用。
- 阅读关注点
- 应核对内部工具变量的生成及有效性、旋转不确定性的处理，以及聚类结构、维度增长条件和未知因子估计的比较标准。
- 阅读边界
- 所给版本为 arXiv 预印本，同行评审或接收未核实；摘要未列工具变量条件、定理和应用结果，不能据此判断识别限制是否可信。
原文摘要
In many longitudinal settings, economic theory does not guide practitioners on the type of restrictions that must be imposed to solve the rotational indeterminacy of factor-augmented linear models. We study this problem and offer several novel results on identification using internally generated instruments. We propose a new class of estimators and establish large sample results using recent developments on clustered samples and high-dimensional models. We carry out simulation studies which show that the proposed approaches improve the performance of existing methods on the estimation of unknown factors. Lastly, we consider three empirical applications using administrative data of students clustered in different subjects in elementary school, high school and college.