Estimation of Latent Group Structures in Time-Varying Panel Data Models
时变面板数据模型中潜在分组结构的估计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：摘要明确以面板模型、潜在分组和组别时变系数为研究对象，最直接对应面板数据方向。
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…
时变面板数据模型中潜在分组结构的估计
- 研究问题
- 研究面板回归系数随时间平滑变化、组内相同而组间不同的情形，如何同时识别未知分组并估计各组的系数轨迹。
- 方法与思路
- 作者提出 FUSE-TIME，将成对自适应分组融合 Lasso 与多项式样条筛法结合，同时估计组别归属和时变系数。
- 材料陈述的贡献
- 摘要称建立了一致性、惩罚与选择后估计量的渐近分布及 oracle 效率，并以模拟和 GDP 二氧化碳强度应用展示方法。
- 阅读关注点
- 应核对组间分离、系数平滑度和面板维度的条件，以及惩罚参数与样条复杂度选择、选择后推断和分组恢复的理论范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明理论的具体条件、模拟数值及应用中的样本和变量设置。
原文摘要
We consider panel data models where coefficients change smoothly over time and follow a latent group structure, being homogeneous within but heterogeneous across groups. To jointly estimate the group membership and group-specific coefficient trajectories, we propose FUSE-TIME, a pairwise adaptive group fused-Lasso estimator combined with polynomial spline sieves. We establish consistency, derive the asymptotic distributions of the penalized sieve estimator and its post-selection version, and show oracle efficiency. Monte Carlo experiments demonstrate strong finite-sample performance in terms of estimation accuracy and group identification. An application to the CO2 intensity of GDP highlights the relevance of addressing both cross-sectional heterogeneity and time-variance in empirical exercises.