Generalized dynamic panel data models with random effects for cross-section and time
具有个体与时间随机效应的广义动态面板模型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：摘要以动态面板为核心，并明确列举二元工会选择和经济增长面板应用。
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
具有个体与时间随机效应的广义动态面板模型
- 研究问题
- 如何估计含不可观测个体及时间随机效应的非线性、非高斯动态面板模型，并使计算适用于两个维度都较大的面板？
- 方法与思路
- 作者发展最大似然方法，通过一系列条件重要性密度积分消去随机效应，并将横截面和时间维度的积分处理分开。
- 材料陈述的贡献
- 摘要称该程序便于处理双维度大面板，并通过扩展模拟及二元工会选择、二项犯罪率和Student’s t增长模型展示应用。
- 阅读关注点
- 应核对随机效应与动态过程的设定、条件重要性密度的构造，以及精确似然目标和重要性抽样数值近似之间的关系。
- 阅读边界
- 仅据所给出版社摘要，无法判断计算复杂度、模拟误差或估计性质；精确最大似然的表述不意味着数值积分完全没有误差。
原文摘要
An exact maximum likelihood method is developed for the estimation of parameters in a nonlinear non-Gaussian dynamic panel data model with unobserved random individual-specific and time-varying effects. We propose an estimation procedure based on the importance sampling technique. In particular, a sequence of conditional importance densities is derived which integrates out all random effects from the joint distribution of endogenous variables. We disentangle the integration over both the cross-section and the time series dimensions. The estimation method facilitates the modeling of large panels in both dimensions. We evaluate the method in an extended Monte Carlo study for dynamic panel data models with observations from different non-Gaussian distributions. We finally present three empirical illustrations for (i) union choice of young males using a Binary panel, (ii) crime rates of families using a Binomial panel and (iii) economic growth modeling using a Student’s t panel.