Heterogeneous autoregressions in short T panel data models
短时间维度面板中的异质自回归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：摘要明确研究短时间维度、个体效应及异质自回归系数的面板模型，并以收入动态为应用，直接属于微观面板方法。
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
短时间维度面板中的异质自回归
- 研究问题
- 在时间维度较短、个体自回归系数异质且部分过程可能有单位根的面板中，如何估计系数横截面分布的均值和方差？
- 方法与思路
- 作者在含个体效应的一阶自回归面板中设定随机系数模型，不对固定效应施加限制，提出系数分布矩估计并开展模拟与收入应用。
- 材料陈述的贡献
- 摘要称，同质斜率下的标准 GMM 估计有偏；简单均值矩估计在中等样本表现良好，而可靠估计方差需要更大样本且方差不宜过小。
- 阅读关注点
- 应核对系数支持区间、随机系数与初始条件的设定、短面板下矩的识别，以及均值和方差估计对样本规模的不同要求。
- 阅读边界
- 仅据所给 Crossref 摘要，无法确定自回归系数区间的具体端点，因为相关公式缺失；一致性条件、样本要求和收入应用结果也未详述。
原文摘要
Summary This paper considers a first‐order autoregressive (AR) panel data model with individual‐specific effects and heterogeneous AR coefficients defined on the interval , thus allowing for some of the individual processes to have unit roots. It proposes estimators for the moments of the cross‐sectional distribution of the AR coefficients, assuming a random coefficient model for the AR coefficients without imposing any restrictions on the fixed effects. It is shown that the standard generalized method of moments estimators obtained under homogeneous slopes are biased. Small sample properties of the proposed estimators are investigated by Monte Carlo experiments and compared with a number of alternatives, both under homogeneous and heterogeneous slopes. It is found that a simple moment estimator of the mean of heterogeneous AR coefficients performs very well even for moderate sample sizes, but to reliably estimate the variance of AR coefficients, much larger samples are required. It is also required that the true value of this variance is not too close to zero. The utility of the heterogeneous approach is illustrated in the context of earnings dynamics.