Stationary Errors and Quantile Regression in Short Panels
短面板中的平稳误差与分位数回归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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确研究固定期数短面板，并分析平稳误差对条件分位数模型及分位数回归识别的限制。
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
短面板中的平稳误差与分位数回归
- 研究问题
- 在允许不受限制的个体效应、但特异误差平稳的短面板中，平稳性如何限制分位数斜率，并识别可估计的共同系数？
- 方法与思路
- 作者逐期将结果对完整解释变量历史做横截面分位数回归，利用投影系数块之间的差异，以两步最小距离法估计共同斜率。
- 材料陈述的贡献
- 摘要称，残差条件分布的跨期相等一般迫使斜率不随分位数变化；作者据此建立固定期数下的估计、推断及过度识别检验。
- 阅读关注点
- 应核对平稳性是条件还是无条件限制、斜率恒定结论中一般情形的含义，以及投影差异识别和固定期数渐近所需条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获核实；摘要未列全识别条件，不能把共同位置系数解释成分位数异质性效应。
原文摘要
This paper studies a linear panel model with an unrestricted individual effect and a time- stationary idiosyncratic disturbance. We first show that stationarity is a strong restriction in a quantile model. In a linear conditional quantile specification with quantile-dependent slopes, equality of the conditional residual distributions across periods generically forces the slope coefficient to be constant over the quantile index. Thus, a stationary-error model identifies a common location coefficient rather than a collection of quantile-specific slope effects. We then develop a fixed-T estimator of this common coefficient. For each period, we run a cross- sectional quantile regression of the outcome on the full history of regressors. Stationarity makes the quantile projection of the composite individual effect and disturbance common across the period-specific regressions. Differences between diagonal and off-diagonal blocks of the resulting projection coefficients therefore identify the common slope whenever T>=2. We combine all such restrictions by a two-step minimum-distance estimator. The estimator is root-n-consistent and asymptotically normal with fixed T, permits unrestricted dependence across periods within an individual, and does not estimate the individual effects. We provide a consistent analytic covariance estimator, a cluster bootstrap, and an overidentification test of the projection restrictions implied by stationarity. Extensive Monte Carlo experiments show adequate performance under various designs.