GMM ESTIMATION FOR DYNAMIC PANELS WITH FIXED EFFECTS AND STRONG INSTRUMENTS AT UNITY
固定效应动态面板中在单位根处保持强工具的 GMM 估计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：摘要直接研究动态面板，并明确覆盖时间序列情形及单位根检验。
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…
关注这篇论文的作者
固定效应动态面板中在单位根处保持强工具的 GMM 估计
- 研究问题
- 在包含固定效应和个体趋势的动态面板中，如何避免自回归系数接近一时传统 GMM 的弱矩条件问题，并保持常规渐近推断？
- 方法与思路
- 作者提出简单的一致 GMM 方法及配套推断，分析不同横截面和时间维度增长方式下的极限性质，并将方法用于面板单位根检验。
- 材料陈述的贡献
- 摘要称，估计量对 ρ∈(−1,1] 均具有标准高斯渐近性质，且不依赖两维样本量的相对增长方式；所述模拟显示小样本偏差较小。
- 阅读关注点
- 应核对强矩条件与工具的构造、固定效应和个体趋势的处理、误差及初始值条件，以及不同增长路径下高斯结论的适用范围。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断上述结论需要的完整正则条件，不能将小样本模拟表现视为普遍保证，也不能推断版本变化。
原文摘要
This paper develops new estimation and inference procedures for dynamic panel data models with fixed effects and incidental trends. A simple consistent GMM estimation method is proposed that avoids the weak moment condition problem that is known to affect conventional GMM estimation when the autoregressive coefficient ( ρ ) is near unity. In both panel and time series cases, the estimator has standard Gaussian asymptotics for all values of ρ ∈ (−1, 1] irrespective of how the composite cross-section and time series sample sizes pass to infinity. Simulations reveal that the estimator has little bias even in very small samples. The approach is applied to panel unit root testing.