Quasi ML estimation of the panel AR(1) model with arbitrary initial conditions
任意初始条件下面板 AR(1) 模型的准最大似然估计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：摘要直接研究面板 AR(1) 的随机效应、固定效应及个体异质性下的估计。
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
任意初始条件下面板 AR(1) 模型的准最大似然估计
- 研究问题
- 在初始条件任意、误差成分分布异质且可能存在时间异方差的面板 AR(1) 模型中，如何估计自回归参数并构造推断？
- 方法与思路
- 作者分析随机效应与固定效应准最大似然估计，结合理论和模拟研究接近单位根时的收敛性质、标准误及置信区间。
- 材料陈述的贡献
- 摘要称，两类估计可保持一致性；特定方差条件下接近单位根会出现弱矩问题，但仍一致，收敛较慢且极限分布可能非正态。
- 阅读关注点
- 应核对初始条件的处理、随机与固定效应估计的比较条件，以及接近单位根时方差路径如何影响收敛速度和区间构造。
- 阅读边界
- 仅据所给出版社摘要，无法判断全部矩条件与区间覆盖表现；相对效率结论明确针对独立同分布且正态的情形，不能泛化。
原文摘要
In this paper we show that the Quasi ML estimation method yields consistent Random and Fixed Effects estimators for the autoregression parameter ρ in the panel AR(1) model with arbitrary initial conditions and possibly time-series heteroskedasticity even when the error components are drawn from heterogeneous distributions. We investigate both analytically and by means of Monte Carlo simulations the properties of the QML estimators for ρ. The RE(Q)MLE for ρ is asymptotically at least as robust to individual heterogeneity and, when the data are i.i.d. and normal, at least as efficient as the FE(Q)MLE for ρ. Furthermore, the QML estimators for ρ only suffer from a ‘weak moment conditions’ problem when ρ is close to one if the cross-sectional average of the variances of the errors is (almost) constant over time, e.g. under time-series homoskedasticity. However, in this case the QML estimators for ρ are still consistent when ρ is local to or equal to one although they converge to a non-normal possibly asymmetric distribution at a rate that is lower than N1/2 but at least N1/4. Finally, we study the finite sample properties of two types of estimators for the standard errors of the QML estimators for ρ, and the bounds of QML based confidence intervals for ρ.