Nonparametric trending regression with cross-sectional dependence
存在横截面依赖的非参数趋势回归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：摘要明确研究具有个体成分和横截面依赖的面板数据模型。
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
存在横截面依赖的非参数趋势回归
- 研究问题
- 当面板时间维度较长、个体数未必很大，且存在横截面依赖或异方差时，如何估计未知共同时间趋势并利用横截面信息？
- 方法与思路
- 作者在共同趋势与未知个体加性成分的模型中，比较简单平滑估计与利用横截面数据的估计，并研究最优带宽及可行实现。
- 材料陈述的贡献
- 摘要称，利用横截面信息的估计优于简单平滑估计，并为两类估计的最优带宽及可行趋势估计提供渐近依据和模拟考察。
- 阅读关注点
- 应核对横截面依赖与异方差的允许范围、个体成分的处理、两类估计的比较标准，以及可行带宽和模拟设计的具体条件。
- 阅读边界
- 仅据所给出版社摘要，无法判断估计优势适用的完整条件、实际改善幅度及小样本稳定性，也不能推断其他版本的内容变化。
原文摘要
Panel data, whose series length T is large but whose cross-section size N need not be, are assumed to have common time trend, of unknown form. The model includes additive, unknown, individual-specific components and allows for spatial or other cross-sectional dependence and/or heteroscedasticity. A simple smoothed nonparametric trend estimate is shown to be dominated by an estimate which exploits availability of cross-sectional data. Asymptotically optimal bandwidth choices are justified for both estimates. Feasible optimal bandwidths, and feasible optimal trend estimates, are asymptotically justified, finite sample performance of the latter being examined in a Monte Carlo study. Potential extensions are discussed.