Grouped effects estimators in fixed effects models
固定效应模型中的分组效应估计量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：摘要明确研究含共同参数与个体参数的非线性面板，并围绕固定效应和附带参数问题提出分组估计。
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
固定效应模型中的分组效应估计量
- 研究问题
- 非线性面板中，个体固定效应带来附带参数偏差，而完全合并忽略异质性；能否利用外部分组在两类偏差间权衡？
- 方法与思路
- 作者使用可观测外部分类形成多层分组，在某一层级内令个体特定参数相同，并研究共同参数的分组效应估计。
- 材料陈述的贡献
- 摘要给出共同参数估计渐近无偏且正态的条件，并指出这些条件体现附带参数偏差与异质性误设偏差的权衡。
- 阅读关注点
- 应核对组内共享参数的具体含义、分组层级如何选择，以及个体数、时期数和组数的渐近关系如何影响偏差。
- 阅读边界
- 仅据所给出版社摘要，无法判断外部分组是否足够描述异质性；渐近无偏条件和实际层级选择规则均未说明。
原文摘要
We consider estimation of nonlinear panel data models with common and individual specific parameters. Fixed effects estimators are known to suffer from the incidental parameters problem, which can lead to large biases in estimates of common parameters. Pooled estimators, which ignore heterogeneity across individuals, are also generally inconsistent. We assume that individuals in the data are grouped on multiple levels where groups are defined by some observable external classification. We consider “group effects” estimators, where individual specific parameters are assumed common across groups at some level. We provide conditions under which group effects estimates of common parameters are asymptotically unbiased and normal. The conditions suggest a tradeoff between two sources of bias, one due to incidental parameters and the other due to misspecification of unobserved heterogeneity.