Heterogeneous structural breaks in panel data models
面板数据模型中的异质结构突变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：摘要直接结合面板分组异质性与回归系数结构突变的识别和估计。
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
面板数据模型中的异质结构突变
- 研究问题
- 面板个体的结构突变可能具有不同数量、时点与幅度；论文研究如何同时识别潜在分组、组内共同突变和对应的回归参数。
- 方法与思路
- 作者以分组模式表示个体异质性，允许组间突变特征不同，并结合分组固定效应与自适应组融合 Lasso 构造混合估计程序。
- 材料陈述的贡献
- 摘要称，该方法能够一致识别潜在分组、检测结构突变并估计参数；模拟和收入与民主关系的应用展示了考虑异质突变的意义。
- 阅读关注点
- 应核对分组和断点数量如何确定、惩罚参数如何选择，以及一致性对组间区分度、断点间距和突变幅度提出的具体要求。
- 阅读边界
- 仅凭所给出版社摘要，无法判断一致性的完整条件或有限样本误差；收入与民主应用的具体数据、断点结果及因果解释均未说明。
原文摘要
This paper develops a new model and estimation procedure for panel data that allows us to identify heterogeneous structural breaks. We model individual heterogeneity using a grouped pattern. For each group, we allow common structural breaks in the coefficients. However, the number, timing, and size of these breaks can differ across groups. We develop a hybrid estimation procedure of the grouped fixed effects approach and adaptive group fused Lasso. We show that our method can consistently identify the latent group structure, detect structural breaks, and estimate the regression parameters. Monte Carlo results demonstrate the good performance of the proposed method in finite samples. An empirical application to the relationship between income and democracy illustrates the importance of considering heterogeneous structural breaks.