Grouped Patterns of Heterogeneity in Panel Data
面板数据中异质性的分组模式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：摘要研究线性面板的分组固定效应，并给出跨国收入与民主的应用，直接支持面板数据及宏观面板分类。
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
面板数据中异质性的分组模式
- 研究问题
- 当线性面板中的不可观测异质性具有随时间变化的群组模式，且个体归属事先不受限制时，如何估计模型参数并开展推断？
- 方法与思路
- 作者提出分组固定效应估计，联合选择模型参数与个体分组以最小化平方误差，利用聚类方法计算，并研究面板两维共同扩张的性质。
- 材料陈述的贡献
- 摘要称给出估计量一致性的条件与推断方法，并将分组不可观测异质性用于跨国收入与民主关系研究，允许群组效应随时间变化。
- 阅读关注点
- 阅读全文时应区分群组效应随时间变化与个体归属设定，核对群组数选择、组间可区分性、聚类求解及推断所需的增长条件。
- 阅读边界
- 摘要未说明群组数如何确定、聚类算法是否达到全局最优或应用中的识别策略；收入与民主的分析不能仅凭摘要解释为因果效应。
原文摘要
This paper introduces time-varying grouped patterns of heterogeneity in linear panel data models. A distinctive feature of our approach is that group membership is left unrestricted. We estimate the parameters of the model using a “grouped fixed-effects” estimator that minimizes a least squares criterion with respect to all possible groupings of the cross-sectional units. Recent advances in the clustering literature allow for fast and efficient computation. We provide conditions under which our estimator is consistent as both dimensions of the panel tend to infinity, and we develop inference methods. Finally, we allow for grouped patterns of unobserved heterogeneity in the study of the link between income and democracy across countries.