A joint serial correlation test for linear panel data models
线性面板数据模型的联合序列相关检验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：摘要明确针对线性面板模型的 GMM 估计后误差序列相关检验。
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
线性面板数据模型的联合序列相关检验
- 研究问题
- 在线性面板模型经 GMM 估计后，能否通过联合检验多阶差分误差相关性，补充常用的 m2 与过度识别限制检验？
- 方法与思路
- 作者提出联合检验一阶差分误差的二阶至第 p 阶序列相关估计是否显著，并用蒙特卡洛实验考察小样本性质。
- 材料陈述的贡献
- 摘要称在所考察的多种备择下，新检验多半优于 m2，并在过度识别检验功效不足时保持较高功效，包括部分异质性和截面依赖情形。
- 阅读关注点
- 应核对阶数 p 的选择、联合统计量的协方差估计和零假设条件，并区分异质性与截面依赖在模拟中的具体作用。
- 阅读边界
- 所给出版社摘要缺失新检验的名称，且未报告模拟数值与适用条件；其中比较结果不能外推为对所有面板模型均占优。
原文摘要
This paper proposes a joint error serial correlation test to be applied to linear panel data models after generalised method of moments estimation. This new test is an alternative inferential tool to both the m2 test of [Arellano, M., Bond, S., 1991. Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations. Review of Economic Studies 58, 277-297] and the overidentifying restrictions test. The proposed test, called the test, involves an examination of the joint significance of estimates of second to pth-order (first differenced) error serial correlations. The small sample properties of the test are investigated by means of Monte Carlo experiments. The evidence shows that the proposed test mostly outperforms the conventional m2 test and has high power when the overidentifying restrictions test does not, under a variety of alternatives including slope heterogeneity and cross section dependence.