Variable selection in panel models with breaks
存在结构突变的面板模型中的变量选择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：摘要明确研究面板回归中的变量选择与结构突变，并以企业资本结构为应用，直接对应面板数据和结构变化。
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…
存在结构突变的面板模型中的变量选择
- 研究问题
- 当面板回归存在结构突变时，如何识别不同阶段的相关变量，尤其是仅在短暂阶段具有解释力的弱回归变量？
- 方法与思路
- 作者提出贝叶斯变量选择方法，允许回归变量在不同阶段停用或启用，并研究后验集中性质及突变日期估计的收敛速率。
- 材料陈述的贡献
- 摘要称，忽略突变既可能高估相关变量数量，也可能漏掉短暂阶段的有效变量；模拟和企业资本结构选择应用展示了方法。
- 阅读关注点
- 应核对阶段划分与变量启停的先验设定、后验集中条件、突变日期的收敛尺度，以及短阶段与弱变量的可识别要求。
- 阅读边界
- 仅据所列出版社摘要，未说明突变数量处理、最短阶段长度或效应强度要求；所述误选现象不能直接推广到任意面板。
原文摘要
We develop a Bayesian approach that performs variable selection in panel regression models affected by breaks. Our approach enables deactivation of pervasive regressors and activation of weak regressors for short periods (regimes). We establish theoretical results on the concentration properties of the posterior as well as the rate of convergence for estimating the break dates. Our methodology is demonstrated in simulations and in an empirical application to firms’ choice of capital structure. We find that ignoring breaks can lead to overestimating the number of relevant regressors, but also a failure to activate regressors that are informative only in short-lived regimes.