Panel data models with time-varying latent group structures
具有时变潜在分组结构的面板数据模型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：摘要直接研究面板潜在分组，并允许未知结构断点前后的分组结构发生变化。
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…
具有时变潜在分组结构的面板数据模型
- 研究问题
- 在线性面板中，如何同时识别未知结构断点与潜在分组，并允许断点前后组数和成员归属变化，以刻画个体及时间异质性？
- 方法与思路
- 作者结合核范数正则化、逐行逐列回归与二分分割估计断点，再用序贯检验的 K-means 算法估计断点两侧的组数和成员。
- 材料陈述的贡献
- 摘要称断点、组数与成员归属均可在概率趋于一时正确估计，并建立斜率估计量的渐近分布，提供模拟及美国城市房价应用。
- 阅读关注点
- 应核对分组可分离性、断点位置与变化幅度的要求，以及初步低秩估计误差如何影响断点检测、组数选择和斜率推断。
- 阅读边界
- 仅依据所给出版社摘要版本；一致性与渐近分布的具体条件未说明，模拟表现和房价分组变化不能直接证明任意面板中的可靠性。
原文摘要
This paper considers a linear panel model with interactive fixed effects and unobserved individual and time heterogeneities that are captured by some latent group structures and an unknown structural break, respectively. To enhance realism, the model may have different numbers of groups and/or different group memberships before and after the break. With preliminary nuclear norm regularized estimation followed by row- and column-wise linear regressions, we estimate the break point based on the idea of binary segmentation and the latent group structures together with the number of groups before and after the break by sequential testing K-means algorithm simultaneously. It is shown that the break point, the number of groups and the group memberships can each be estimated correctly with probability approaching one. Asymptotic distributions of the estimators of the slope coefficients are established. Monte Carlo simulations demonstrate excellent finite sample performance for the proposed estimation algorithm. An empirical application to real house price data across 377 Metropolitan Statistical Areas in the US from 1975 to 2014 suggests the presence both of structural breaks and of changes in group membership.