On the role of the rank condition in CCE estimation of factor-augmented panel regressions
因子增广面板回归中 CCE 估计的秩条件作用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：摘要明确讨论因子增广面板回归、共同相关效应估计及因子矩阵的秩问题。
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…
因子增广面板回归中 CCE 估计的秩条件作用
- 研究问题
- 在共同相关效应估计中，如果用于估计因子的可观测变量数超过真实因子数，是否会产生尚未充分处理的渐近奇异性问题？
- 方法与思路
- 作者分析因子增广面板回归中可观测变量数量与因子数量的关系，指出估计因子二阶矩矩阵可能渐近奇异。
- 材料陈述的贡献
- 摘要指出过多可观测变量会引发估计因子矩阵的渐近奇异性，并以填补共同相关效应方法对此问题的分析缺口为目标。
- 阅读关注点
- 应核对秩条件的准确形式、奇异性对系数估计和推断的影响，以及全文是否提供修正程序及其适用条件。
- 阅读边界
- 仅依据所给出版社摘要；摘要未说明解决方案、具体定理或有限样本证据，不能据此断言所有共同相关效应估计都失效。
原文摘要
A popular approach to factor-augmented panel regressions is the common correlated effects (CCE) estimator of Pesaran (2006). This paper points to a problem with the CCE approach that appears in the empirically relevant case when the number of factors is strictly less than the number of observables used in their estimation. Specifically, the use of too many observables causes the second moment matrix of the estimated factors to become asymptotically singular, an issue that has not yet been appropriately accounted for. The purpose of the present paper is to fill this gap in the literature.