Identification and Estimation of Continuous Time Dynamic Systems With Exogenous Variables Using Panel Data
利用面板数据识别和估计含外生变量的连续时间动态系统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：摘要明确将随机微分方程系统扩展到随机效应与面板数据分析，支持面板方向，未提供宏观应用依据。
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…
利用面板数据识别和估计含外生变量的连续时间动态系统
- 研究问题
- 如何从离散时点观测识别并估计连续时间随机微分方程参数，外生变量与面板随机效应又如何影响分析？
- 方法与思路
- 作者显式推导得分函数和最大似然方程，将随机微分方程系统扩展到随机效应面板，并考察外生变量对可识别性的影响。
- 材料陈述的贡献
- 摘要所述贡献包括连续时间参数的最大似然估计表达、随机效应面板扩展，以及对纳入外生变量后可识别性的分析。
- 阅读关注点
- 应核对离散采样与连续时间参数之间的映射、外生变量的作用方式、随机效应设定，以及识别和似然推导的条件。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定外生变量何时改善识别；采样安排、随机效应分布及估计的渐近性质均未说明。
原文摘要
This paper deals with the identification and maximum likelihood estimation of the parameters of a stochastic differential equation from discrete time sampling. Score function and maximum likelihood equations are derived explicitly. The stochastic differential equation system is extended to allow for random effects and the analysis of panel data. In addition, we investigate the identifiability of the continuous time parameters, in particular the impact of the inclusion of exogenous variables.