Statistical Inference on Panel Data Models: A Kernel Ridge Regression Method
面板数据模型的统计推断：核岭回归方法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：摘要的核心对象是含交互固定效应的非参数面板模型，并区分异质与同质设定，直接对应面板数据方法及其统计推断。
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
面板数据模型的统计推断：核岭回归方法
- 研究问题
- 对于含交互固定效应的非参数面板模型，如何在自动控制模型复杂度的同时，为回归均值和未来观测构造有效区间？
- 方法与思路
- 作者在核岭回归框架下，用可由广义交叉验证选择的连续正则化参数控制复杂度，并借助经验过程理论和泛函分析推导渐近分布。
- 材料陈述的贡献
- 摘要称，所得渐近理论可构造回归均值置信区间和未来观测预测区间，并给出同质情形下函数估计量的边际渐近正态性。
- 阅读关注点
- 核对交互固定效应的处理、核与正则化选择、异质和同质设定的区别，以及置信区间和预测区间各自所需的渐近条件。
- 阅读边界
- 摘要未列明核函数、面板维度增长条件及交互固定效应的识别约束；区间有效性和作者所称首创性，仍需结合正文假设与文献核对。
原文摘要
We propose statistical inferential procedures for nonparametric panel data models with interactive fixed effects in a kernel ridge regression framework. Compared with the traditional sieve methods, our method is automatic in the sense that it does not require the choice of basis functions and truncation parameters. The model complexity is controlled by a continuous regularization parameter which can be automatically selected by the generalized cross-validation. Based on the empirical process theory and functional analysis tools, we derive the joint asymptotic distributions for the estimators in the heterogeneous setting. These joint asymptotic results are then used to construct the confidence intervals for the regression means and the prediction intervals for future observations, both being the first provably valid intervals in literature. The marginal asymptotic normality of the functional estimators in a homogeneous setting is also obtained. Our estimators can also be readily modified and applied to other widely used semiparametric models, such as partially linear models. Simulation and real data analyses demonstrate the advantages of our method. Supplementary materials for this article are available online.