System Estimation of Panel Data Models Under Long-Range Dependence
长程依赖下的面板数据模型系统估计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：摘要明确讨论动态面板中的长程依赖、协整和债务与 GDP 的长期关系，因此选择宏观面板及时间序列方向。
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
长程依赖下的面板数据模型系统估计
- 研究问题
- 当动态面板存在个体和交互固定效应、同期相关及平稳或非平稳长程依赖时，如何进行系统估计并处理长期关系？
- 方法与思路
- 作者以投影序列代理潜在特征，采用条件平方和准则估计；模型允许协整、创新项的 VAR 动态及确定性趋势。
- 材料陈述的贡献
- 摘要称，估计量具有一致性，并按标准参数速率渐近正态；模型框架无需事先检验单位根或平稳性，且用于债务与 GDP 的长期关系。
- 阅读关注点
- 应核对交互固定效应与长程依赖的识别条件、投影构造，以及标准收敛速率和渐近正态性对依赖程度、面板维度的要求。
- 阅读边界
- 摘要未给出长程依赖参数范围、样本维度或模拟设计；无需预先检验的适用条件，以及债务与 GDP 应用的具体结果仍需全文核对。
原文摘要
A general dynamic panel data model is considered that incorporates individual and interactive fixed effects allowing for contemporaneous correlation in model innovations. The model accommodates general stationary or nonstationary long-range dependence through interactive fixed effects and innovations, removing the necessity to perform a priori unit-root or stationarity testing. Moreover, persistence in innovations and interactive fixed effects allows for cointegration; innovations can also have vector-autoregressive dynamics; deterministic trends can be featured. Estimations are performed using conditional-sum-of-squares criteria based on projected series by which latent characteristics are proxied. Resulting estimates are consistent and asymptotically normal at standard parametric rates. A simulation study provides reliability on the estimation method. The method is then applied to the long-run relationship between debt and GDP. Supplementary materials for this article are available online.