IDENTIFICATION AND ESTIMATION OF A NONPARAMETRIC TIME-VARYING PANEL DATA MODEL WITH COMPLETELY MISSING REGRESSORS IN SOME PERIODS
部分时期回归量完全缺失的非参数时变面板模型识别与估计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：摘要明确研究含随机效应或固定效应的非参数时变面板模型及整期回归量缺失，直接属于面板数据。
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
部分时期回归量完全缺失的非参数时变面板模型识别与估计
- 研究问题
- 当关键回归量在某些时期对所有个体都完全缺失时，能否识别非参数时变面板模型的未知函数及缺失回归量分布，并进行估计？
- 方法与思路
- 作者分别研究随机效应和固定效应模型的识别，在此基础上构造条件反卷积核估计量，推导收敛率并进行模拟与实证说明。
- 材料陈述的贡献
- 摘要称在其标准假设下，随机效应模型一个完整观测时期即可识别，固定效应模型需要两个时期，并建立相应估计量的收敛率。
- 阅读关注点
- 应核对所谓标准假设的具体内容、完整时期如何连接缺失时期、两类效应模型识别要求的差异，以及反卷积的病态程度与调参。
- 阅读边界
- 仅据所给 Crossref 版本摘要，缺失机制、跨期限制和反卷积条件未说明；不能仅凭完整时期数量断言识别，也不能推断刊本变化。
原文摘要
This article considers a nonparametric time-varying panel data model in which the primary regressor of interest is completely missing in some periods. Under standard assumptions, identification results are established for the unknown functions and the distributions of the missing regressor. Specifically, one period of completely observed data suffices to identify the random effects model, whereas two periods are required for the fixed effects model. Following identification, conditional deconvolution kernel estimators are developed, and their convergence rates are derived. Simulation results show that these estimators perform well in small samples, and an empirical exercise demonstrates the relevance and practical potential of the proposed method.