Estimating Latent-Variable Panel Data Models Using Parameter-Expanded SEM Methods
利用参数扩展 SEM 方法估计潜变量面板数据模型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：摘要明确研究动态潜变量面板，并列举离散选择模型和持久—暂时分位数过程。
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
利用参数扩展 SEM 方法估计潜变量面板数据模型
- 研究问题
- 在动态面板模型包含大量潜变量时，如何改进随机期望最大化算法的收敛效率，并兼顾似然与矩条件估计？
- 方法与思路
- 作者将参数扩展与 SEM 结合，在 M 步构造扩展模型，以调整迭代中参数偏离真实值时产生的伪数据估计。
- 材料陈述的贡献
- 摘要称，似然型 PX-SEM 与缺失信息比例更低的替代算法渐近等价；模拟显示其相较标准 SEM 明显缩短计算时间。
- 阅读关注点
- 应核对扩展参数如何映射回原模型、收敛速度结论的适用条件，以及似然型与矩条件型算法分别获得哪些理论保证。
- 阅读边界
- 仅依据所给 OpenAlex 版本摘要；未说明完整收敛条件、模拟规模及实现细节，所述加速不能直接推广到所有潜变量模型。
原文摘要
This article presents new estimation algorithms for three types of dynamic panel data models with latent variables: factor models, discrete choice models, and persistent-transitory quantile processes. The new methods combine the parameter expansion (PX) ideas of Liu, Rubin, and Wu with the stochastic expectation-maximization (SEM) algorithm in likelihood and moment-based contexts. The goal is to facilitate convergence in models with a large space of latent variables by improving algorithmic efficiency. This is achieved by specifying expanded models within the M step. Effectively, we are proposing new estimators for the pseudo-data within iterations that take into account the fact that the model of interest is misspecified for draws based on parameter values far from the truth. We establish the asymptotic equivalence of the likelihood-based PX-SEM to an alternative SEM algorithm with a smaller expected fraction of missing information compared to the standard SEM based on the original model, implying a faster global convergence rate. Finally, in simulations we show that the new algorithms significantly improve the convergence speed relative to standard SEM algorithms, sometimes dramatically so, by reducing the total computing time from hours to a few minutes.