Low-Rank Estimation of Nonlinear Panel Data Models
非线性面板数据模型的低秩估计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。
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：摘要明确以非线性面板模型和交互固定效应为研究对象，潜在因子服务于面板估计而非独立的宏观因子应用。
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
非线性面板数据模型的低秩估计
- 研究问题
- 含交互固定效应的非线性面板模型面对可能非凸的目标函数时，如何可行地估计系数和潜在因子并开展推断？
- 方法与思路
- 作者先用核范数正则化取得系数、因子及载荷的初步估计，再进行迭代式后正则化推断，同时研究因子数量的确定。
- 材料陈述的贡献
- 摘要称第二步改善系数估计的收敛速度，并建立两阶段估计的渐近性质；模拟和美国非金融企业应用提供说明。
- 阅读关注点
- 应核对适用的非线性模型、面板维度增长方式、因子强度、正则化参数选择，以及迭代停止与因子数估计规则。
- 阅读边界
- 这是 arXiv 预印本，同行评审或接收未经核实；摘要未列出具体收敛率和推断条件，也未交代套利应用的识别解释。
原文摘要
This paper investigates nonlinear panel models with interactive fixed effects and introduces a general framework for parameter estimation under potentially nonconvex objective functions. We propose a computationally feasible two-step estimation procedure. In the first step, nuclear-norm regularization (NNR) is used to obtain preliminary estimators of the coefficients of interest, factors, and factor loadings. The second step involves an iterative procedure for post-NNR inference, improving the convergence rate of the coefficient estimator. We establish the asymptotic properties of both the preliminary and iterative estimators. We also study the determination of the number of factors. Monte Carlo simulations demonstrate the effectiveness of the proposed methods in determining the number of factors and estimating the model parameters. In our empirical application, we apply the proposed approach to study the cross-market arbitrage behavior of U.S. nonfinancial firms.