Second-Generation Heterogeneous Panel Data Model with Individual and Common Shocks
包含个体冲击与共同冲击的第二代异质面板模型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：摘要直接研究宏观异质面板、未观测共同因子与单位特定结构变化。
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
包含个体冲击与共同冲击的第二代异质面板模型
- 研究问题
- 存在未观测共同因子和各单位不同时间的结构突变时，如何估计异质面板的平均斜率，并选择适合不同依赖强度的估计量？
- 方法与思路
- 作者按横截面规模、依赖强度和变化类型整理估计方法，并向 SUR 与共同相关效应回归加入单位特定的傅里叶项。
- 材料陈述的贡献
- 摘要称模拟中两类估计量分别在多数配置和小横截面弱依赖情形表现较好，并报告 G7 可再生能源与增长应用。
- 阅读关注点
- 应核对共同因子过滤条件、傅里叶项对异步突变的近似能力、模拟配置，以及平均斜率推断随横截面规模的变化。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核验；模拟优势限于所设配置，应用中不显著也不能解释为效应为零。
原文摘要
We study estimation of the mean slope in heterogeneous panels that combine cross-sectional dependence from unobserved common factors with unit-specific structural breaks occurring at different dates. We organize the available second-generation Mean Group estimators into a regime map indexed by the cross-section size, the strength of the cross-sectional dependence, and the nature of the structural change, and we examine two estimators for the small-to-moderate-dependence panels common in applied macroeconomics and energy economics. The Fourier SUR Mean Group (F-SURMG) estimator augments a seemingly unrelated regression system with unit-specific Fourier terms. The proposed Fourier Common Correlated Effects Mean Group (F-CCEMG) estimator augments the CCE regression with deterministic Fourier terms, filtering the common factor while absorbing the heterogeneously timed breaks. In a Monte Carlo study with R = 500 replications across weak, moderate, and strong dependence, F-CCEMG attains the lowest root mean squared error in almost every configuration and near-nominal coverage once the cross-section is not minimal, while F-SURMG gives the best-calibrated inference in the small-N, weak-dependence corner; estimators that do not filter the factor lose coverage as dependence rises. An application to the renewable energy-growth nexus in the G7 over 1965-2019 finds no significant aggregate effect of renewable energy consumption on growth.