Non parametric analysis of panel data models with endogenous variables
含内生变量的面板数据模型之非参数分析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：摘要直接研究含内生变量的面板模型，并以一阶差分和工具变量进行估计。
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
含内生变量的面板数据模型之非参数分析
- 研究问题
- 对于含内生变量的面板模型，如何在工具变量条件下通过一阶差分进行非参数估计，并处理由此产生的逆问题？
- 方法与思路
- 作者将差分后的估计问题转化为线性逆问题，使用带L2或Sobolev惩罚的Tikhonov正则化，并提出数据驱动调参。
- 材料陈述的贡献
- 摘要称提出了收敛速度与正则化参数选择方法，介绍估计量的实际实施，并用蒙特卡洛模拟展示方法的潜力。
- 阅读关注点
- 应核对差分后的工具变量条件、逆算子的识别要求，以及两类惩罚、收敛速度和调参程序依赖的光滑性条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断工具变量有效性与逆问题难度；摘要未给出具体收敛率或模拟数值，不能推断普遍性能优势。
原文摘要
This paper considers the estimation of panel data models by first differences in the presence of endogenous variables and under an instrumental variables condition. This framework leads to the resolution of linear inverse problems solved using a Tikhonov regularization with L2 or Sobolev penalty. Rates of convergence and data driven selection of the regularization parameters are proposed. The practical implementation of our estimators is presented and some Monte Carlo simulations show the potential of the method.