Fisher's combined probability test for cross-sectional independence in panel data models with serial correlation
存在序列相关时检验面板横截面独立性的 Fisher 合并概率检验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：摘要的核心是具有序列相关的高维面板横截面独立性检验。
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…
存在序列相关时检验面板横截面独立性的 Fisher 合并概率检验
- 研究问题
- 高维面板存在序列相关时，如何检验横截面独立性，同时对稠密与稀疏的横截面相关备择保持检测能力？
- 方法与思路
- 作者提出样本横截面相关系数平方的最大值检验，并利用其与求和检验的渐近独立性，以 Fisher 方法合并两者的概率值。
- 材料陈述的贡献
- 摘要称证明了两类统计量的渐近独立性及新检验的理论性质，模拟展示表现，并应用于三因子模型下的股票周收益。
- 阅读关注点
- 应核对序列相关限制、面板维度增长率、残差估计影响及概率值构造，并比较稀疏和稠密备择下的尺寸与功效。
- 阅读边界
- 这是 arXiv 预印本，同行评审与接收未核实。摘要未给出理论条件与实证统计量，不拒绝独立性也不能证明独立成立。
原文摘要
Testing cross-sectional independence in panel data models is of fundamental importance in econometric analysis with high-dimensional panels. Recently, econometricians began to turn their attention to the problem in the presence of serial dependence. The existing procedure for testing cross-sectional independence with serial correlation is based on the sum of the sample cross-sectional correlations, which generally performs well when the alternative has dense cross-sectional correlations, but suffers from low power against sparse alternatives. To deal with sparse alternatives, we propose a test based on the maximum of the squared sample cross-sectional correlations. Furthermore, we propose a combined test to combine the p-values of the max based and sum based tests, which performs well under both dense and sparse alternatives. The combined test relies on the asymptotic independence of the max based and sum based test statistics, which we show rigorously. We show that the proposed max based and combined tests have attractive theoretical properties and demonstrate the superior performance via extensive simulation results. We apply the two new tests to analyze the weekly returns on the securities in the S\&P 500 index under the Fama-French three-factor model, and confirm the usefulness of the proposed combined test in detecting cross-sectional independence.