Unequal spacing in dynamic panel data: Identification and estimation
不等时间间隔动态面板数据的识别与估计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：摘要明确研究不等间隔固定效应动态面板，并以个人收入动态作为应用。
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
不等时间间隔动态面板数据的识别与估计
- 研究问题
- 当面板观测的时间间隔不相等时，固定效应动态模型参数在何种条件下仍可识别，并如何利用有限的观测时间组合？
- 方法与思路
- 作者在预定性、弱平稳性和可检验秩条件下研究参数识别，以两对连续时间间隔替代等间隔模型中的连续时期要求。
- 材料陈述的贡献
- 摘要称一阶自回归识别结果可扩展至多协变量、高阶自回归及部分线性模型，并用于早期美国男性收入动态分析。
- 阅读关注点
- 应核对两对连续时间间隔的准确结构、预定性与秩条件如何实施，以及不同时间跨度参数和扩展模型的估计步骤。
- 阅读边界
- 仅依据所给出版社摘要；估计公式、推断方法和收入动态数值未说明，不等间隔识别结果不能视为对任意缺失或选择性访谈都有效。
原文摘要
We propose conditions under which parameters of fixed-effect dynamic models are identified with unequally spaced panel data. Under predeterminedness, weak stationarity, and empirically testable rank conditions, AR(1) parameters are identified given the availability of “two pairs of two consecutive time gaps”, which generalizes “two pairs of two consecutive time periods”. This result extends to models with multiple covariates, higher-order autoregressions, and partial linearity. Applying our method to the NLS Original Cohorts: Older Men, where personal interviews took place in 1966, 67, and 69, we analyze the earnings dynamics in the old time, and compare the results with more recent ones.