Higher-order Expansions and Inference for Panel Data Models
面板数据模型的高阶展开与推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究具有序列相关、截面依赖和交互效应的面板模型，未限定宏观应用，因此选择一般面板数据方向。
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…
面板数据模型的高阶展开与推断
- 研究问题
- 当面板数据同时存在序列相关和截面依赖时，如何利用高阶渐近理论支持适用于较广模型类别的统计推断方法？
- 方法与思路
- 作者建立Berry–Esseen界与Edgeworth展开，为所提推断方法提供理论支持，并具体分析包含交互效应的面板模型。
- 材料陈述的贡献
- 摘要称，高阶展开适用于一组简单且一般的条件，交互效应模型涵盖多种传统面板模型，数值研究显示相对比较优势。
- 阅读关注点
- 应核对时间与截面维度的增长关系、依赖和矩条件、高阶展开余项，以及交互效应估计对推断准确性的影响。
- 阅读边界
- 这是arXiv预印本，同行评审或接收未核实；摘要未给出具体推断程序、条件和比较指标，无法判断优势的普遍范围。
原文摘要
In this paper, we propose a simple inferential method for a wide class of panel data models with a focus on such cases that have both serial correlation and cross-sectional dependence. In order to establish an asymptotic theory to support the inferential method, we develop some new and useful higher-order expansions, such as Berry-Esseen bound and Edgeworth Expansion, under a set of simple and general conditions. We further demonstrate the usefulness of these theoretical results by explicitly investigating a panel data model with interactive effects which nests many traditional panel data models as special cases. Finally, we show the superiority of our approach over several natural competitors using extensive numerical studies.