Common Correlated Effects Estimation of Nonlinear Panel Data Models
非线性面板数据模型的共同相关效应估计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：摘要直接研究非线性面板、交互固定效应、共同相关效应估计和面板偏差修正。
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共同相关效应估计
- 研究问题
- 论文研究含交互固定效应的非线性面板模型中，如何估计观测回归变量的系数和平均偏效应，并处理估计量的渐近偏差。
- 方法与思路
- 作者先对回归变量的截面均值做主成分分析以估计潜在因子，再联合估计系数与载荷，并采用解析及分割面板刀切偏差修正。
- 材料陈述的贡献
- 摘要称，在时间与截面维度规模相近时推导渐近分布，模拟显示偏差修正具有良好有限样本表现，并应用于非金融企业套利行为。
- 阅读关注点
- 应核对截面均值恢复因子的条件、非线性模型的适用范围、两维渐近框架，以及解析和刀切修正各自的要求与效果。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未列出一般条件或模拟数值，不能判断所有非线性面板中的有效性。
原文摘要
This paper focuses on estimating the coefficients and average partial effects of observed regressors in nonlinear panel data models with interactive fixed effects, using the common correlated effects (CCE) framework. The proposed two-step estimation method involves applying principal component analysis to estimate latent factors based on cross-sectional averages of the regressors in the first step, and jointly estimating the coefficients of the regressors and factor loadings in the second step. The asymptotic distributions of the proposed estimators are derived under general conditions, assuming that the number of time-series observations is comparable to the number of cross-sectional observations. To correct for asymptotic biases of the estimators, we introduce both analytical and split-panel jackknife methods, and confirm their good performance in finite samples using Monte Carlo simulations. An empirical application utilizes the proposed method to study the arbitrage behaviour of nonfinancial firms across different security markets.