A robust specification test in linear panel data models
线性面板数据模型的稳健设定检验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。
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：摘要直接研究线性面板的个体效应设定检验，并应用于 OECD 国家经济增长数据，分别对应一般面板方法和宏观面板。
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…
线性面板数据模型的稳健设定检验
- 研究问题
- 当异常观测使面板模型参数和设定检验不稳定时，如何稳健地判断包含个体特定成分的模型是否适合采用随机效应设定？
- 方法与思路
- 作者提出基于加权似然的稳健设定检验，分析其在随机效应原假设下的渐近分布，并用模拟和 OECD 经济增长数据说明。
- 材料陈述的贡献
- 摘要称，新检验在原假设下与常用 Hausman 检验具有相同渐近分布，且存在污染时，模拟中的检验尺寸与功效有所改善。
- 阅读关注点
- 应核对似然权重与异常值识别方式、随机效应原假设和渐近条件，以及污染类型、尺寸控制和功效比较的设计。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未给出权重、理论条件或改进数值，稳健性适用范围待核对。
原文摘要
The presence of outlying observations may adversely affect statistical testing procedures that result in unstable test statistics and unreliable inferences depending on the distortion in parameter estimates. In spite of the fact that the adverse effects of outliers in panel data models, there are only a few robust testing procedures available for model specification. In this paper, a new weighted likelihood based robust specification test is proposed to determine the appropriate approach in panel data including individual-specific components. The proposed test has been shown to have the same asymptotic distribution as that of most commonly used Hausman's specification test under null hypothesis of random effects specification. The finite sample properties of the robust testing procedure are illustrated by means of Monte Carlo simulations and an economic-growth data from the member countries of the Organisation for Economic Co-operation and Development. Our records reveal that the robust specification test exhibit improved performance in terms of size and power of the test in the presence of contamination.