Shrinkage estimation of common breaks in panel data models via adaptive group fused Lasso
通过自适应组融合LASSO估计面板共同突变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：摘要研究面板共同突变，并应用于88个国家和地区的投资与经济增长，直接对应宏观面板与结构变化。
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
通过自适应组融合LASSO估计面板共同突变
- 研究问题
- 如何在可能存在内生解释变量的面板中，同时确定未知共同突变的数量和日期，并对分段回归系数进行估计与推断？
- 方法与思路
- 作者采用自适应组融合LASSO，对无内生性的差分模型使用惩罚最小二乘，对存在内生性的差分模型使用惩罚GMM。
- 材料陈述的贡献
- 摘要称两种方法可一致选择突变数量与日期，建立惩罚及后LASSO系数估计的渐近分布，并提出经验证的数据驱动调参方法。
- 阅读关注点
- 应核对差分后误差结构、GMM矩条件、突变可分辨条件与调参规则，以及跨国增长应用中工具变量和共同突变的设定。
- 阅读边界
- 仅据所给出版社摘要，内生性处理所需条件和所发现突变的日期未说明；外商直接投资与增长的估计不能直接解读为因果效应。
原文摘要
In this paper we consider estimation and inference of common breaks in panel data models via adaptive group fused Lasso. We consider two approaches—penalized least squares (PLS) for first-differenced models without endogenous regressors, and penalized GMM (PGMM) for first-differenced models with endogeneity. We show that with probability tending to one, both methods can correctly determine the unknown number of breaks and estimate the common break dates consistently. We establish the asymptotic distributions of the Lasso estimators of the regression coefficients and their post Lasso versions. We also propose and validate a data-driven method to determine the tuning parameter used in the Lasso procedure. Monte Carlo simulations demonstrate that both the PLS and PGMM estimation methods work well in finite samples. We apply our PGMM method to study the effect of foreign direct investment (FDI) on economic growth using a panel of 88 countries and regions from 1973 to 2012 and find multiple breaks in the model.