Robust tests for heteroskedasticity in the one-way error components model
单向误差分量模型中异方差的稳健检验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：摘要直接研究单向误差分量模型中的个体效应与剩余误差，属于面板数据方法。
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…
单向误差分量模型中异方差的稳健检验
- 研究问题
- 在单向误差分量模型中，如何分别检验个体分量与剩余分量的异方差，并避免另一分量的异方差或厚尾分布干扰判断？
- 方法与思路
- 作者采用条件矩框架修正常规检验，使其不受未检验分量的异方差影响，并在合并 OLS 后通过简单辅助回归实施。
- 材料陈述的贡献
- 摘要称，所提检验能够帮助定位异方差来源，并缓解高斯 LM 检验在厚尾分布下过度拒绝的问题，同时便于计算。
- 阅读关注点
- 应核对两类分量检验的原假设、条件矩限制及所需矩条件，尤其关注分布无关结论的适用范围和辅助回归的具体构造。
- 阅读边界
- 仅依据所给出版社摘要，无法判断稳健性所需的完整条件、有限样本表现及功效代价；摘要未说明这些细节或其他版本变化。
原文摘要
This paper constructs tests for heteroskedasticity in one-way error components models, in line with Baltagi et al. [Baltagi, B.H., Bresson, G., Pirotte, A., 2006. Joint LM test for homoskedasticity in a one-way error component model. Journal of Econometrics 134, 401-417]. Our tests have two additional robustness properties. First, standard tests for heteroskedasticity in the individual component are shown to be negatively affected by heteroskedasticity in the remainder component. We derive modified tests that are insensitive to heteroskedasticity in the component not being checked, and hence help identify the source of heteroskedasticity. Second, Gaussian-based LM tests are shown to reject too often in the presence of heavy-tailed (e.g. t-Student) distributions. By using a conditional moment framework, we derive distribution-free tests that are robust to non-normalities. Our tests are computationally convenient since they are based on simple artificial regressions after pooled OLS estimation.