Binary choice logit models with general fixed effects for panel and network data
面板与网络数据中带一般固定效应的二元 Logit 选择模型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：题名与摘要直接讨论二元 Logit 选择模型，以及面板和网络数据中的一般固定效应。
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
面板与网络数据中带一般固定效应的二元 Logit 选择模型
- 研究问题
- 在面板和网络数据的静态、动态二元 Logit 模型中，如何识别含一般固定效应的参数，并处理固定效应数量增长带来的附带参数问题？
- 方法与思路
- 作者系统梳理条件似然与矩条件两条路线，分别通过充分统计量条件化或构造不含固定效应的矩条件消除干扰参数。
- 材料陈述的贡献
- 摘要称文章总结多类固定效应模型的已有识别结果，覆盖个体、时间趋势、双向及配对效应，并提供新的例子与结果。
- 阅读关注点
- 应核对各模型的固定效应结构、条件化所需统计量与矩条件构造，以及动态模型限制，并区分文献综述和本文新增结果。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实。摘要未逐项说明新增结果、识别条件或估计性质，不能判断所有结构均可消除固定效应。
原文摘要
This paper systematically analyzes and reviews identification strategies for binary choice logit models with fixed effects in panel and network data settings. We examine both static and dynamic models with general fixed-effect structures, including individual effects, time trends, and two-way or dyadic effects. A key challenge is the incidental parameter problem, which arises from the increasing number of fixed effects as the sample size grows. We explore two main strategies for eliminating nuisance parameters: conditional likelihood methods, which remove fixed effects by conditioning on sufficient statistics, and moment-based methods, which derive fixed-effect-free moment conditions. We demonstrate how these approaches apply to a variety of models, summarizing key findings from the literature while also presenting new examples and new results.