The Time Series and Cross-Section Asymptotics of Dynamic Panel Data Estimators
动态面板数据估计量的时间维度与截面维度渐近性质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：摘要以自回归动态面板为研究对象，比较时间维度和个体维度共同增长时各估计量的性质，因此归入面板数据。
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…
关注这篇论文的作者
动态面板数据估计量的时间维度与截面维度渐近性质
- 研究问题
- 在含随机效应的自回归面板模型中，时间长度与个体数同时增长时，组内、GMM和LIML估计的偏差与一致性如何变化？
- 方法与思路
- 作者在时间长度与个体数共同趋于无穷的框架下，按二者比例推导组内、GMM和LIML的渐近性质，并讨论随机效应伪极大似然。
- 材料陈述的贡献
- 摘要称，当时间长度与个体数之比趋于正常数时，三类估计量均有负向渐近偏差，忽略差分误差自相关的粗略GMM还会不一致。
- 阅读关注点
- 重点核对不同时间长度与个体数比例下的极限分布、偏差阶数，以及差分误差自相关和不受限制初始条件的处理方式。
- 阅读边界
- 摘要未完整列出误差过程、工具变量和初始条件假设；一致性与偏差结论依赖时间和个体数的增长关系，有限样本表现也未说明。
原文摘要
In this paper we derive the asymptotic properties of within groups (WG), GMM, and LIML estimators for an autoregressive model with random effects when both T and N tend to infinity. GMM and LIML are consistent and asymptotically equivalent to the WG estimator. When T/N→ 0 the fixed T results for GMM and LIML remain valid, but WG, although consistent, has an asymptotic bias in its asymptotic distribution. When T/N tends to a positive constant, the WG, GMM, and LIML estimators exhibit negative asymptotic biases of order 1/T, 1/N, and 1/(2N−T), respectively. In addition, the crude GMM estimator that neglects the autocorrelation in first differenced errors is inconsistent as T/N→c>0, despite being consistent for fixed T. Finally, we discuss the properties of a random effects pseudo MLE with unrestricted initial conditions when both T and N tend to infinity.