Cluster robust covariance matrix estimation in panel quantile regression with individual fixed effects
个体固定效应面板分位数回归中的聚类稳健协方差估计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。
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：摘要明确研究个体固定效应面板分位数回归及其聚类稳健推断。
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
个体固定效应面板分位数回归中的聚类稳健协方差估计
- 研究问题
- 在含个体固定效应且个体内存在时间相关的面板分位数回归中，如何避免标准误低估，并校正协方差估计的偏差？
- 方法与思路
- 作者构造聚类协方差矩阵估计量，校正偶然参数导致的自协方差偏差，推导最优带宽并提出数据驱动选择规则。
- 材料陈述的贡献
- 摘要称建立协方差偏差校正和带宽方法，提出两个聚类稳健检验并证明渐近性质，随后通过实证应用展示用途。
- 阅读关注点
- 应核对个体数与时间长度的渐近关系、时间依赖条件、偏差校正项，以及带宽选择和两个检验的具体构造。
- 阅读边界
- 所给 Crossref 摘要未说明具体渐近条件及应用结果，不能据此断言适用于任意短面板或跨个体相关，也不推断刊本变化。
原文摘要
This study develops cluster robust inference methods for panel quantile regression (QR) models with individual fixed effects, allowing for temporal correlation within each individual. The conventional QR standard errors can seriously underestimate the uncertainty of estimators and, therefore, overestimate the significance of effects, when outcomes are serially correlated. Thus, we propose a clustered covariance matrix (CCM) estimator to solve this problem. The CCM estimator is an extension of the heteroskedasticity and autocorrelation consistent covariance matrix estimator for QR models with fixed effects. The autocovariance element in the CCM estimator can be substantially biased, due to the incidental parameter problem. Thus, we develop a bias‐correction method for the CCM estimator. We derive an optimal bandwidth formula that minimizes the asymptotic mean squared errors, and propose a data‐driven bandwidth selection rule. We also propose two cluster robust tests, and establish their asymptotic properties. We then illustrate the practical usefulness of the proposed methods using an empirical application.