Cross-Section Estimation of Long-Run Relations Using Time-Compressed Data
利用时间压缩数据横截面估计长期关系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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要研究非平稳面板的时间压缩与长期关系，并应用于消费收入、增长通胀和人口变量。
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
利用时间压缩数据横截面估计长期关系
- 研究问题
- 将面板压缩为时间均值或长差分后，横截面回归能否可靠估计长期关系，非平稳波动、固定效应与均值回归如何影响精度？
- 方法与思路
- 作者分析一类时间压缩的 I(1) 数据，利用横截面方差随时间扩张的性质，考察信号放大与噪声稀释如何决定估计收敛速度。
- 材料陈述的贡献
- 摘要称适当压缩可带来超一致性与渐近正态性，最快速度为 √N T；遗漏固定效应阻止噪声稀释，较强均值回归会削弱方差扩张。
- 阅读关注点
- 应核对压缩方案、个体间依赖与时间维度增长条件，区分长期关系估计和因果解释，并检查温度应用为何对设定敏感。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未列出各收敛结论的完整条件，应用中关系较稳定也不等于获得因果识别。
原文摘要
Many empirical investigations of long-run relations are based on cross-section regressions in averaged or long differenced data that effectively have the time dimension of a $T\times N$ panel compressed. We analyze a class of time-compressed I(1) data and show that they have magnified variability stemming from the fact that the cross-section variance of a non-stationary panel `fans out' with time. Cross-section regressions in time compressed data can potentially yield estimates that are super-consistent and asymptotically normal, whether the regressors are stationary, non-stationary, or highly persistent. The fastest convergence rate of $\sqrt{N}T$ requires a compression scheme that not only magnifies the non-stationary signal, but also dilutes the regression noise. Omitted fixed effects preclude noise dilution but the estimates remain super-consistent. However, the fanning out effect can be weakened when the data have a strong force for mean-reversion or convergence, a problem that seems relevant for temperature data. We consider three applications and find that the long-run relation between consumption and income, and between growth/inflation and demographic variables are reasonably well determined, but the estimated relation between growth and warming temperature is fragile.