Semiparametric estimation of panel data models without monotonicity or separability
不要求单调性或可分性的面板模型半参数估计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：摘要明确讨论带固定效应的非可分面板模型及其半参数估计，直接属于面板数据，未提供特定因果效应目标。
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
不要求单调性或可分性的面板模型半参数估计
- 研究问题
- 固定效应非可分面板模型中的单调性可能不成立时，如何构造不施加该限制的半参数估计，避免相关误设问题？
- 方法与思路
- 作者提出不要求单调性的半参数估计，在正则条件下分析一致性和渐近正态性，并通过模拟考察有限样本表现。
- 材料陈述的贡献
- 摘要称，新估计无需施加单调性限制，在相应条件下具有一致性与渐近正态性；模拟提示其有限样本表现良好。
- 阅读关注点
- 应核对去除单调性后依靠哪些条件识别参数、可分性限制如何处理，以及估计步骤和误设情况下的比较依据。
- 阅读边界
- 出版社摘要未说明替代识别条件、估计公式或模拟设定，不能据此认为方法对任意非单调、非可分面板模型都有效。
原文摘要
Nonseparable panel data models with fixed effects have received a great deal of attention in the literature. Monotonicity is a common assumption in these settings, which may be violated in practice. Monotonicity-based estimators are inconsistent and the associated inference misleading under misspecification. In this paper, we propose some semiparametric estimators without imposing the monotonicity restriction. Under regularity conditions, our estimators are consistent and asymptotically normal. Our simulation suggests that our estimators work well in finite samples.