Estimation and identification of latent group structures in panel data
面板数据潜在群组结构的估计与识别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：摘要明确研究面板模型中未知群组、组内共同斜率及组间参数异质性。
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
面板数据潜在群组结构的估计与识别
- 研究问题
- 在组内斜率相同、组间允许异质的面板模型中，如何同时确定未知群组数量和个体归属，并处理外生或内生解释变量？
- 方法与思路
- 作者采用成对融合惩罚，分别为外生变量构造惩罚最小二乘、为内生变量构造惩罚广义矩估计，并用 ADMM 算法实现。
- 材料陈述的贡献
- 摘要称，论文提供联合估计与识别潜在分组的框架，开发相应优化算法，并通过模拟和实证应用展示方法的有限样本表现。
- 阅读关注点
- 应核对群组可区分与成员识别所需条件、融合惩罚和调参规则、内生变量对应的矩条件，以及算法收敛与分组稳定性。
- 阅读边界
- 仅据所给出版社摘要，无法确认群组恢复的具体理论保证；摘要未说明实证对象、模拟结果数值及其他版本或刊本变化。
原文摘要
This paper provides a framework for joint estimation and identification of latent group structures in panel data models using a pairwise fusion penalized approach. The latent structure of the model allows individuals to be classified into different groups where the number of groups and the group membership are unknown. The individuals within a group have common slope parameters, while parameter heterogeneity is allowed across the groups. A penalized least squares (PLS) approach is introduced for models with exogenous regressors. When the model contains endogenous regressors, a penalized generalized method of moment (PGMM) is introduced. To implement the proposed approach, an alternating direction method of multipliers algorithm has been developed. The proposed method is further illustrated by simulation studies which demonstrate the finite sample performance of the method, and is applied in an empirical analysis.