A Simple Interactive Fixed Effects Estimator for Short Panels
短面板的简易交互固定效应估计量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：摘要直接研究固定时间期数的面板模型、交互固定效应及双向固定效应检验，最直接对应面板数据方向。
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…
短面板的简易交互固定效应估计量
- 研究问题
- 在时间期数固定的短面板中，如何估计交互效应模型，并检验常用双向固定效应估计量在交互效应存在时的一致性？
- 方法与思路
- 作者借鉴固定效应对解释变量线性投影的思路提出 PIE 估计量，并将高维非线性最小二乘转为两步交替解析更新。
- 材料陈述的贡献
- 摘要称，PIE 在固定期数下可一致估计，允许误差序列相关与条件异方差，并提供双向固定效应一致性检验及模拟比较。
- 阅读关注点
- 核对投影表示和识别条件、固定时间维度下的渐近框架，以及两步迭代的收敛、初始化和一致性检验的适用条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定已同行评审或获期刊接收；允许相关和异方差不代表无需其他识别或外生性条件。
原文摘要
We study the interactive effects (IE) model as an extension of the conventional additive effects (AE) model. For the AE model, the fixed effects estimator can be obtained by applying least squares to a regression that adds a linear projection of the fixed effect on the explanatory variables (Mundlak, 1978; Chamberlain, 1984). In this paper, we develop a novel estimator -- the projection-based IE (PIE) estimator -- for the IE model that is based on a similar approach. We show that, for the IE model, fixed effects estimators that have appeared in the literature are not equivalent to our PIE estimator, though both can be expressed as a generalized within estimator. Unlike the fixed effects estimators for the IE model, the PIE estimator is consistent for a fixed number of time periods with no restrictions on serial correlation or conditional heteroskedasticity in the errors. We also derive a statistic for testing the consistency of the two-way fixed effects estimator in the possible presence of iterative effects. Moreover, although the PIE estimator is the solution to a high-dimensional nonlinear least squares problem, we show that it can be computed by iterating between two steps, both of which have simple analytical solutions. The computational simplicity is an important advantage relative to other strategies that have been proposed for estimating the IE model for short panels. Finally, we compare the finite sample performance of IE estimators through simulations.