Grouped Heterogeneity in Linear Panel Data Models with Heterogeneous Error Variances
异质误差方差下线性面板模型的分组异质性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：摘要明确研究线性面板中的个体异质性、潜在分组及误差方差，企业研发应用也以面板估计为核心。
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
异质误差方差下线性面板模型的分组异质性
- 研究问题
- 线性面板模型中，能否利用个体误差方差的分组信息识别潜在群组，并判断这种信息何时改善个体分类？
- 方法与思路
- 作者提出利用横截面个体方差分组的程序，构造避开伪似然奇异性的目标函数，并提供理论、数值证据及企业研发应用。
- 材料陈述的贡献
- 摘要称，允许方差分组可在一定条件下改善分类；应用发现方差群组可事后联系企业规模，中型企业研发投资更具顺周期性。
- 阅读关注点
- 应核对潜在群组与方差群组的关系、目标函数如何避免奇异性，以及分类改善的条件、群组数选择和应用中的稳健性。
- 阅读边界
- 仅据所给机构库版本摘要；摘要未列出理论条件、分类增益数值或因果设计，企业规模关联不能解释为因果效应，也不能推断刊本变化。
原文摘要
We develop a procedure to identify latent group structures in linear panel data models that exploits a grouping in the error variances of cross-sectional units. To accommodate such grouping, we introduce an objective function that avoids a singularity that arises in a pseudolikelihood approach. We provide theoretical and numerical evidence showing when allowing for variance groups improves classification. The developed procedure provides new evidence on the relation between firm-level research and development (R&D) investments and the business cycle. We find a well-defined group structure in the variances that ex-post can be related to firm size. Our estimates indicate stronger procyclical investment patterns at medium-size firms compared to large firms.