Testing for structural changes in panel data models with interactive fixed effects via discrete Fourier transform
基于离散傅里叶变换检验交互固定效应面板模型的结构变化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：摘要明确研究面板结构变化检验，并涉及交互固定效应中的因子载荷及斜率变化。
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…
基于离散傅里叶变换检验交互固定效应面板模型的结构变化
- 研究问题
- 交互固定效应面板模型存在被忽略的结构变化时，如何利用残差中的参数不稳定信号进行检验，避免常规推断失效？
- 方法与思路
- 作者比较加权残差的离散傅里叶变换与无结构变化时的零谱，研究零分布及局部、全局功效，并提出 bootstrap 推断。
- 材料陈述的贡献
- 摘要称，检验可识别以 {N}^{-1/2}{T}^{-1/2} 趋近零假设的一类局部备择，其中 N、T 分别为截面与时间维度。
- 阅读关注点
- 应核对加权方式、因子处理、渐近条件与 bootstrap 有效性，并检查局部备择类别和载荷、斜率变化的模拟设计。
- 阅读边界
- 仅据所给 ScienceDirect 出版社摘要；理论条件、具体检验形式与模拟数值未提供，性能陈述不能视为已独立验证的结论。
原文摘要
We propose a discrete Fourier transform (DFT)-based test for detecting structural changes in panel data models with interactive fixed effects (IFE). When structural changes are present but ignored, the conventional asymptotic distribution of the least squares (LS) estimator of Bai (2009) may no longer provide reliable inference, and the resulting residuals contain signals of parameter instability. Our test exploits this feature by comparing the DFT of weighted residuals to the flat (zero) spectrum implied under the null hypothesis of no structural change. We establish the theoretical properties of the test, including its asymptotic null distribution and its local and global power, and propose a bootstrap procedure for valid inference in finite samples. Notably, the proposed test can detect a class of local alternatives converging to the null at the rate of {N}^{-1/2}{T}^{-1/2}, matching the convergence rate of the slope estimators, where N and T are the cross-sectional and time dimensions, respectively. Monte Carlo simulations demonstrate the excellent performance of the proposed test across various types of structural changes in both factor loadings and slope coefficients. We further illustrate the empirical relevance of our method by applying it to the environmental Kuznets curve and the relationship between health expenditure and income. Our findings highlight the importance of accounting for structural changes in panel data models with IFE.