Pooling in Dynamic Panel-Data Models: An Application to Forecasting GDP Growth Rates
动态面板模型中的合并估计：GDP增长率预测应用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：摘要以多个国家跨期观测的动态面板研究合并估计，并比较实际GDP增长率预测，直接对应宏观面板与预测方向。
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…
动态面板模型中的合并估计：GDP增长率预测应用
- 研究问题
- 当动态面板各单位参数不同但相似时，何种条件下合并估计能降低估计与预测的均方误差，且这种收益如何随样本规模变化？
- 方法与思路
- 作者结合理论分析与模拟研究合并条件，再以战后18个OECD国家的实际GDP增长率比较预测；同时考察跨国同期残差相关及GLS。
- 材料陈述的贡献
- 摘要称合并预测的小样本优势可能随样本增大而减弱；在所述跨国应用中，合并限制虽被拒绝，GLS合并预测仍优于所比较方案。
- 阅读关注点
- 核对参数异质性导致的偏差与合并降低的方差如何权衡，样本规模怎样影响结论，以及同期残差相关下的预测评价和检验设计。
- 阅读边界
- 摘要未说明预测期限、样本划分及优势的不确定性；该实证比较不能推出合并对任意国家、样本规模或预测任务均有效。
原文摘要
In this article, we analyze issues of pooling models for a given set of N individual units observed over T periods of time. When the parameters of the models are different but exhibit some similarity, pooling may lead to a reduction of the mean squared error of the estimates and forecasts. We investigate theoretically and through simulations the conditions that lead to improved performance of forecasts based on pooled estimates. We show that the superiority of pooled forecasts in small samples can deteriorate as the sample size grows. Empirical results for postwar international real gross domestic product growth rates of 18 Organization for Economic Cooperation and Development countries using a model put forward by Garcia-Ferrer, Highfield, Palm, and Zellner and Hong, among others illustrate these findings. When allowing for contemporaneous residual correlation across countries, pooling restrictions and criteria have to be rejected when formally tested, but generalized least squares (GLS)-based pooled forecasts are found to outperform GLS-based individual and ordinary least squares-based pooled and individual forecasts.