To pool or not to pool: What is a good strategy for parameter estimation and forecasting in panel regressions?
合并还是不合并：面板回归参数估计与预测的策略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：摘要核心是长时间维度、潜在异质性的面板回归中斜率估计与合并选择，因此归入面板数据方向。
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
合并还是不合并：面板回归参数估计与预测的策略
- 研究问题
- 在时间维度较长且个体斜率可能异质的面板回归中，如何权衡合并估计的效率收益与异质性偏误，并据此选择估计和预测策略？
- 方法与思路
- 作者提出最优合并平均估计量，显式权衡合并带来的效率与异质性偏误，并通过理论、数值比较及主权信用违约互换利差应用评估。
- 材料陈述的贡献
- 摘要称没有在所有情形下最优的估计量，新方法在非极端情形下更优、极端情形下稳健，并提供依数据与模型特征选择方法的指导。
- 阅读关注点
- 阅读时应核对平均权重与最优性准则、异质性及长时间维度的假设、比较基准，以及主权信用违约互换利差应用中的预测评价。
- 阅读边界
- 摘要未界定极端与非极端情形，也未说明最优性的准则、渐近条件或利差预测结果，不能据此认定该方法适用于所有异质面板。
原文摘要
Summary This paper considers estimating the slope parameters and forecasting in potentially heterogeneous panel data regressions with a long time dimension. We propose a novel optimal pooling averaging estimator that makes an explicit trade‐off between efficiency gains from pooling and bias due to heterogeneity. By theoretically and numerically comparing various estimators, we find that a uniformly best estimator does not exist and that our new estimator is superior in nonextreme cases and robust in extreme cases. Our results provide practical guidance for the best estimator and forecast depending on features of data and models. We apply our method to examine the determinants of sovereign credit default swap spreads and forecast future spreads.