Composite Likelihood Estimation of an Autoregressive Panel Ordered Probit Model with Random Effects
含随机效应的自回归面板有序 Probit 模型的复合似然估计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：摘要明确研究有序离散响应的面板 Probit 模型，并处理随机效应与序列相关。
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
含随机效应的自回归面板有序 Probit 模型的复合似然估计
- 研究问题
- 当有序离散面板的序列相关来自潜变量自相关时，如何降低似然计算中的积分维度，同时保留足以识别模型参数的信息？
- 方法与思路
- 作者采用低维分布构成的复合似然，刻画适用于该模型的复合似然类型与参数识别条件，并研究两类估计量的渐近性质。
- 材料陈述的贡献
- 摘要称，研究提供了有效复合似然的刻画、参数识别条件以及两种估计量的一致性和渐近正态性，并以模拟和公司债评级展示方法。
- 阅读关注点
- 应核对随机效应与潜变量动态如何设定，两类复合似然使用哪些观测组合，以及降维后哪些参数仍能识别、效率如何变化。
- 阅读边界
- 仅据所给 OpenAlex 版本摘要；具体识别条件、积分阶数及有限样本差异未说明，无法判断方法适用边界，不推断刊本变化。
原文摘要
Modeling and estimating autocorrelated discrete data can be challenging. In this article, we use an autoregressive panel ordered probit model where the serial correlation in the discrete variable is driven by the autocorrelation in the latent variable. In such a nonlinear model, the presence of a lagged latent variable results in an intractable likelihood containing high-dimensional integrals. To tackle this problem, we use composite likelihoods that involve a much lower order of integration. However, parameter identification might potentially become problematic since the information employed in lower dimensional distributions may not be rich enough for identification. Therefore, we characterize types of composite likelihoods that are valid for this model and study conditions under which the parameters can be identified. Moreover, we provide consistency and asymptotic normality results for two different composite likelihood estimators and conduct Monte Carlo studies to assess their finite-sample performances. Finally, we apply our method to analyze corporate bond ratings. Supplementary materials for this article are available online.