Bootstrap inference for fixed-effect models
固定效应模型的Bootstrap推断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：摘要明确研究非线性面板数据模型的固定效应估计及Bootstrap推断。
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
固定效应模型的Bootstrap推断
- 研究问题
- 在矩形阵列渐近下，非线性固定效应面板模型的极大似然估计虽一致却存在渐近偏差，能否直接对其进行有效推断？
- 方法与思路
- 作者研究参数Bootstrap能否复制未经偏差校正的极大似然估计量分布，据此使用标准Bootstrap百分位置信集合。
- 材料陈述的贡献
- 摘要称，参数Bootstrap在大样本中能够复制原估计量的分布，因此构造百分位置信集合不需要额外调整偏差。
- 阅读关注点
- 应核对个体维度与时间维度的渐近关系、模型正则条件，以及Bootstrap数据生成和固定效应处理方式。
- 阅读边界
- 这是arXiv预印本，同行评审及接收未核验。摘要未列明适用模型和渐近条件，不能推广为所有短面板均无需偏差校正。
原文摘要
The maximum-likelihood estimator of nonlinear panel data models with fixed effects is consistent but asymptotically-biased under rectangular-array asymptotics. The literature has thus far concentrated its effort on devising methods to correct the maximum-likelihood estimator for its bias as a means to salvage standard inferential procedures. Instead, we show that the parametric bootstrap replicates the distribution of the (uncorrected) maximum-likelihood estimator in large samples. This justifies the use of confidence sets constructed via standard bootstrap percentile methods. No adjustment for the presence of bias needs to be made.