Higher-Order Expansions and Inference for Panel Data Models
面板数据模型的高阶展开与统计推断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：摘要明确研究具有序列相关、截面依赖和交互效应的面板数据模型。
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…
面板数据模型的高阶展开与统计推断
- 研究问题
- 当面板数据同时存在序列相关与截面依赖时，如何构造适用于较广模型类别的推断方法，并刻画其高阶近似误差？
- 方法与思路
- 作者提出一种推断方法，并建立 Berry–Esseen 界与 Edgeworth 展开；以交互效应面板模型说明理论的应用。
- 材料陈述的贡献
- 摘要称这些高阶结果支持所提推断方法，交互效应框架涵盖多种传统面板模型，数值研究显示相对若干方法的优势。
- 阅读关注点
- 应核对序列相关与截面依赖的限制、面板维度的渐近安排、高阶展开所需条件，以及数值比较采用的指标和基准。
- 阅读边界
- 依据 arXiv 2205.00577v2 预印本摘要，不能据此声称已同行评审或期刊接收，也不能推断刊本变化；具体条件和数值结果未提供。
原文摘要
In this paper, we propose a simple inferential method for a wide class of panel data models with a focus on such cases that have both serial correlation and cross-sectional dependence. In order to establish an asymptotic theory to support the inferential method, we develop some new and useful higher-order expansions, such as Berry-Esseen bound and Edgeworth Expansion, under a set of simple and general conditions. We further demonstrate the usefulness of these theoretical results by explicitly investigating a panel data model with interactive effects which nests many traditional panel data models as special cases. Finally, we show the superiority of our approach over several natural competitors using extensive numerical studies.