Eigenvalue-Based Randomness Test for Residual Diagnostics in Panel Data Models
面板模型残差诊断的特征值随机性检验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：摘要明确以面板数据模型的残差及横截面、时间依赖诊断为研究对象，属于面板数据方法。
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…
面板模型残差诊断的特征值随机性检验
- 研究问题
- 能否通过面板模型残差矩阵的谱信息，同时发现自相关、横截面相关及更复杂的依赖，从而补充针对单一问题的诊断检验？
- 方法与思路
- 作者提出基于特征值的随机性检验，分析对称化残差矩阵的最大特征值，以随机矩阵理论中的 Tracy–Widom 分布为依据。
- 材料陈述的贡献
- 摘要称，蒙特卡洛模拟显示该检验既能识别常见自相关和线性横截面依赖，也能检测更复杂的非线性及非单调依赖。
- 阅读关注点
- 应核对残差矩阵构造、标准化和维度渐近条件，以及估计残差对参考分布的影响，并比较检验尺寸、功效和具体备择类型。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核验。摘要未说明零假设和理论条件，不能据此认为检验覆盖所有残差违例。
原文摘要
This paper introduces the Eigenvalue-Based Randomness (EBR) test - a novel approach rooted in the Tracy-Widom law from random matrix theory - and applies it to the context of residual analysis in panel data models. Unlike traditional methods, which target specific issues like cross-sectional dependence or autocorrelation, the EBR test simultaneously examines multiple assumptions by analyzing the largest eigenvalue of a symmetrized residual matrix. Monte Carlo simulations demonstrate that the EBR test is particularly robust in detecting not only standard violations such as autocorrelation and linear cross-sectional dependence (CSD) but also more intricate non-linear and non-monotonic dependencies, making it a comprehensive and highly flexible tool for enhancing the reliability of panel data analyses.