GMM ESTIMATION AND INFERENCE IN DYNAMIC PANEL DATA MODELS WITH PERSISTENT DATA
持久数据下动态面板模型的 GMM 估计与推断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：摘要直接研究动态面板 AR(1)、固定时间维度和面板单位根检验，对应面板与时间序列。
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
持久数据下动态面板模型的 GMM 估计与推断
- 研究问题
- 在时间维度固定且数据高度持久的面板 AR(1) 模型中，初始观测的分布如何影响弱工具变量问题和 GMM 推断？
- 方法与思路
- 作者在多种初始观测分布假设下，推导 Arellano–Bond 与 System 估计量的局部渐近近似，并提出两种 LM 型面板单位根检验。
- 材料陈述的贡献
- 摘要称，Arellano–Bond 的弱工具问题取决于初始观测分布，论文刻画两类估计量的近似分布并讨论推断影响。
- 阅读关注点
- 应核对初始条件的不同设定、持久性局部化方式、两类估计量的矩条件，以及 LM 检验的原假设和有效性条件。
- 阅读边界
- 仅依据所给 Crossref 摘要；具体初始分布、局部参数化及检验表现未说明，不能断言 System 估计量普遍解决弱工具问题。
原文摘要
In this paper we consider generalized method of moments–based (GMM-based) estimation and inference for the panel AR(1) model when the data are persistent and the time dimension of the panel is fixed. We find that the nature of the weak instruments problem of the Arellano–Bond (Arellano and Bond, 1991, Review of Economic Studies 58, 277–297) estimator depends on the distributional properties of the initial observations. Subsequently, we derive local asymptotic approximations to the finite-sample distributions of the Arellano–Bond estimator and the System estimator, respectively, under a variety of distributional assumptions about the initial observations and discuss the implications of the results we obtain for doing inference. We also propose two Lagrange multiplier–type (LM-type) panel unit root tests.