Bias reduction in nonlinear and dynamic panels in the presence of cross-section dependence
横截面依赖下非线性与动态面板的偏差修正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：摘要明确研究非线性动态面板、固定效应和附带参数问题，直接对应面板数据方向，未提供宏观面板应用依据。
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
横截面依赖下非线性与动态面板的偏差修正
- 研究问题
- 当非线性动态面板同时存在时间和横截面依赖时，固定效应估计的附带参数偏差及相应推断应如何处理？
- 方法与思路
- 作者研究大 N、大 T 下剖面似然和积分似然估计的理论，允许双维依赖，提出偏差修正与推断方法，并给出渐近正态性的原始条件。
- 材料陈述的贡献
- 摘要称较强依赖类型下渐近偏差会消失，但仍保留 O_p(1/T) 的小样本偏差，并据此提供修正及不同依赖情形下的推断结果。
- 阅读关注点
- 应核对较强依赖的定义、N 与 T 的增长关系，以及渐近偏差消失和有限样本偏差仍存在分别对应的标准化与展开。
- 阅读边界
- 仅据所给出版社摘要，不能认定横截面依赖会普遍消除偏差；具体模型、依赖强度条件及修正后的有限样本效果未说明。
原文摘要
Fixed effects estimation of nonlinear dynamic panel models is subject to the incidental parameter issue, leading to a biased asymptotic distribution. While this problem has been studied extensively in the literature, a general analysis allowing for both serial and cross-sectional dependence is missing. In this paper we investigate the large-N,T theory of the profile and integrated likelihood estimators, allowing for dependence across both dimensions. We show that under stronger dependence types the asymptotic bias disappears, but a Op(1∕T) small-sample bias remains. We provide bias correction and inference methods, and also obtain primitive conditions for asymptotic normality under various dependence settings.