A projection based approach for interactive fixed effects panel data models
交互固定效应面板模型的投影估计方法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：摘要以交互固定效应面板回归为核心，并应用于 OECD 国家增长决定因素，分别支持一般面板方法和宏观面板方向。
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…
交互固定效应面板模型的投影估计方法
- 研究问题
- 在因子载荷可由个体特征部分解释的交互固定效应面板中，如何简化回归参数估计并获得可靠的统一推断？
- 方法与思路
- 作者以筛方法逼近载荷中的平滑函数，形成无需迭代或预估因子的偏最小二乘估计，并使用横截面 bootstrap 推断。
- 材料陈述的贡献
- 摘要称极限分布随残余载荷方差呈不连续变化，常规代入推断可能过度保守，而横截面重抽样可实现统一有效推断。
- 阅读关注点
- 应核对载荷分解和筛逼近条件、方差接近边界时的渐近论证，以及横截面重抽样如何处理相关性并保证统一覆盖。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列出统一有效性的条件、筛维数选择或具体覆盖率结果。
原文摘要
This paper introduces a straightforward sieve-based approach for estimating and conducting inference on regression parameters in panel data models with interactive fixed effects. The method's key assumption is that factor loadings can be decomposed into an unknown smooth function of individual characteristics plus an idiosyncratic error term. Our estimator offers advantages over existing approaches by taking a simple partial least squares form, eliminating the need for iterative procedures or preliminary factor estimation. In deriving the asymptotic properties, we discover that the limiting distribution exhibits a discontinuity that depends on how well our basis functions explain the factor loadings, as measured by the variance of the error factor loadings. This finding reveals that conventional ``plug-in'' methods using the estimated asymptotic covariance can produce excessively conservative coverage probabilities. We demonstrate that uniformly valid non-conservative inference can be achieved through the cross-sectional bootstrap method. Monte Carlo simulations confirm the estimator's strong performance in terms of mean squared error and good coverage results for the bootstrap procedure. We demonstrate the practical relevance of our methodology by analyzing growth rate determinants across OECD countries.