Recovering latent linkage structures and spillover effects with structural breaks in panel data models
面板模型结构突变下潜在联系结构与溢出效应的恢复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：摘要直接研究面板模型中的潜在单位联系、溢出效应和未知结构突变。
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
面板模型结构突变下潜在联系结构与溢出效应的恢复
- 研究问题
- 当单位间联系不可观测且可能在未知时点改变时，如何同时估计面板中的突变点、联系结构、自身效应与溢出效应？
- 方法与思路
- 作者用惩罚估计处理高维溢出参数，结合精化步骤估计突变点，并以双重机器学习估计单位自身特征的效应。
- 材料陈述的贡献
- 摘要称突变点估计具有超一致性，使其他参数推断可视突变点为已知；跨国研发应用发现危机后溢出联系更稀疏。
- 阅读关注点
- 应核对潜在联系的可恢复条件、突变幅度和样本维度要求，以及突变点误差何时不会影响其他参数的推断。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明具体速率与条件，也不能据应用结果认定危机造成网络变化。
原文摘要
This paper introduces a framework to analyze time-varying spillover effects in panel data. We consider panel models where a unit's outcome depends not only on its own characteristics (private effects) but also on the characteristics of other units (spillover effects). The linkage of units is allowed to be latent and may shift at an unknown breakpoint. We propose a novel procedure to estimate the breakpoint, linkage structure, spillover and private effects. We address the high-dimensionality of spillover effect parameters using penalized estimation, and estimate the breakpoint with refinement. We establish the super-consistency of the breakpoint estimator, ensuring that inferences about other parameters can proceed as if the breakpoint were known. The private effect parameters are estimated using a double machine learning method. The proposed method is applied to estimate the cross-country R&D spillovers, and we find that the R&D spillovers become sparser after the financial crisis.