Spectral Clustering with Variance Information for Group Structure Estimation in Panel Data
利用方差信息进行面板数据群组结构估计的谱聚类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：摘要明确以重复观测的面板数据为背景，估计具有共同系数效应的潜在个体群组。
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
利用方差信息进行面板数据群组结构估计的谱聚类
- 研究问题
- 当面板个体共享某些协变量效应但所属群组未知时，个体系数估计的方差信息能否帮助恢复潜在群组结构？
- 方法与思路
- 作者先以局部分析说明方差信息的作用，再提出显式纳入估计不确定性的群组估计方法，并进行模拟和两项实证应用。
- 材料陈述的贡献
- 摘要称，方法在大量个体或重复观测下仍具计算可行性，也适用于仅有参数估计及其不确定性信息的情形。
- 阅读关注点
- 应核对谱聚类如何使用方差信息、群组数量与分离程度如何处理，以及个体估计误差对分类和计算成本的影响。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；摘要所称模拟优势未给出数值、比较方法或适用条件。
原文摘要
Consider a panel data setting where repeated observations on individuals are available. Often it is reasonable to assume that there exist groups of individuals that share similar effects of observed characteristics, but the grouping is typically unknown in advance. We first conduct a local analysis which reveals that the variances of the individual coefficient estimates contain useful information for the estimation of group structure. We then propose a method to estimate unobserved groupings for general panel data models that explicitly account for the variance information. Our proposed method remains computationally feasible with a large number of individuals and/or repeated measurements on each individual. The developed ideas can also be applied even when individual-level data are not available and only parameter estimates together with some quantification of estimation uncertainty are given to the researcher. A thorough simulation study demonstrates superior performance of our method than existing methods and we apply the method to two empirical applications.