A Linear Estimator for Factor-Augmented Fixed-T Panels With Endogenous Regressors
含内生回归变量的固定 T 因子增广面板线性估计量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：摘要明确研究固定 T 的因子增广面板模型，并以家庭用水需求估计为应用，文本直接支持微观面板数据方法分类。
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
含内生回归变量的固定 T 因子增广面板线性估计量
- 研究问题
- 在时间维度固定、回归变量内生且存在未观测共同因子的面板模型中，如何构建便于估计的线性矩条件并处理现有方法的困难？
- 方法与思路
- 作者提出矩估计方法，以可观测因子代理近似未观测共同因子，得到关于参数线性的矩条件，并通过模拟和家庭用水需求应用评估。
- 材料陈述的贡献
- 摘要称该方法处理现有非线性估计中的局部极小值、归一化敏感性及潜在全局识别问题，模拟显示其有限样本表现较好。
- 阅读关注点
- 应核对因子代理的构造与有效性、处理内生性所用的矩条件、全局识别论证，以及固定 T 下的渐近框架和模拟比较设计。
- 阅读边界
- 摘要未说明因子代理成立的条件、内生性处理所需限制及识别边界；所述有限样本表现不能直接推广到其他面板设定。
原文摘要
A novel method-of-moments approach is proposed for the estimation of factor-augmented panel data models with endogenous regressors when T is fixed. The underlying methodology involves approximating the unobserved common factors using observed factor proxies. The resulting moment conditions are linear in the parameters. The proposed approach addresses several issues which arise with existing nonlinear estimators that are available in fixed T panels, such as local minima-related problems, a sensitivity to particular normalization schemes, and a potential lack of global identification. We apply our approach to a large panel of households and estimate the price elasticity of urban water demand. A simulation study confirms that our approach performs well in finite samples.