Estimating coefficient-by-coefficient breaks in panel data models
面板数据模型中逐系数结构突变的估计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。
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：摘要明确研究面板数据中的逐系数突变，并以社会经济因素与犯罪为应用，最直接对应面板数据。
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
面板数据模型中逐系数结构突变的估计
- 研究问题
- 面板模型中只有未知的一部分系数发生结构突变时，如何分别识别各系数的突变次数和日期，并对筛选后的模型进行推断？
- 方法与思路
- 作者提出逐系数 Lasso 突变估计量，以融合惩罚和分量自适应权重处理系数变化，并分别讨论同质突变与异质突变情形。
- 材料陈述的贡献
- 摘要称，该方法能以高概率识别各系数的突变次数及日期，筛选后估计量渐近正态，并通过模拟和社会经济因素与犯罪的应用考察表现。
- 阅读关注点
- 应核对同质与异质突变的确切含义、惩罚权重和调参规则，以及突变识别所需条件与筛选后渐近正态结论的适用范围。
- 阅读边界
- 仅依据所给 OpenAlex 摘要；面板维度增长方式、突变间隔及信号条件未说明，不能判断有限样本识别可靠性或推断其他版本变化。
原文摘要
When estimating structural breaks, existing econometric methods adopt an approach in which either all parameters change simultaneously, or they remain the same. In this paper, we consider the estimation of panel data models when an unknown subset of coefficients is subject to breaks. The challenge lies in estimating the breaks for each coefficient. To tackle this, we propose a new estimator for panel data, the “Coefficient-by-Coefficient Lasso” break estimator. This estimator is derived by penalizing the coefficients with a fused penalty and using component-wise adaptive weights. We present this estimator for two scenarios: those with homogeneous breaks and those with heterogeneous breaks. We show that the method identifies the number and dates of breaks for all coefficients with high probability and that the post-selection estimator is asymptotically normal. We examine the small-sample properties of the method through a Monte Carlo study and further apply it to analyze the influence of socioeconomic factors on crime.