The Panel Information Matrix Test
面板信息矩阵检验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：摘要明确研究固定效应面板模型、附带参数偏差及面板规模增长下的设定检验。
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
面板信息矩阵检验
- 研究问题
- 固定效应似然模型中，如何区分函数形式错设与不变异质性，并在存在附带参数偏差时获得无需三阶导数的有效信息矩阵检验？
- 方法与思路
- 作者提出基于剖面似然的面板信息矩阵检验，分析不同个体数与时间长度增长关系下的偏差尺度，只使用一二阶导数，并比较参数自助法。
- 材料陈述的贡献
- 摘要称，个体数相对时间长度平方足够小时主导偏差可忽略；较长面板可使用渐近临界值，另一些增长情形下参数自助法明显减轻水平扭曲。
- 阅读关注点
- 应核对检验指标与渐近标准化的构造、固定效应模型条件，以及不同面板增长关系下的极限结果，并检查自助法与Wald比较设计。
- 阅读边界
- 这是arXiv预印本，不能据此声称已同行评审或期刊接收。摘要未给出全部模型条件，自助法改善也不能视为对任意短面板的有效性保证。
原文摘要
The Information Matrix (IM) test is a natural specification check for likelihood-based models, yet cross-sectional implementations are often badly sized, confound neglected heterogeneity with distributional misspecification, and require third derivatives. We develop the panel information matrix (PIM) test for models with fixed effects. Explicit fixed effects isolate functional-form misspecification from time-invariant unobserved heterogeneity. Although the profile maximum likelihood estimator inherits incidental-parameter bias of order $O(1/T)$, the leading bias of the profile PIM is of order $\sqrt{n}/T$, so it is asymptotically negligible whenever $n/T^2\to 0$, which includes the rectangular regime $n/T\to\mathrm{const}$, and stabilizes under parabolic asymptotics $n/T^2\toρ\in(0,\infty)$. This robustness arises because the indicator fluctuates at rate $\sqrt{n}$ rather than $\sqrt{nT}$. The same rate argument makes third-derivative corrections asymptotically unnecessary, so the test uses only first- and second-order likelihood derivatives. Simulations confirm that asymptotic PIM critical values suffice in moderately long panels, even when Wald tests for $θ$ are badly sized, while a parametric bootstrap largely removes size distortions when $ρ>0$.