Forecasting with a Panel Tobit Model
使用面板 Tobit 模型进行预测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：摘要直接使用动态面板 Tobit 模型处理短面板中的删失观测与个体系数异质性。
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…
使用面板 Tobit 模型进行预测
- 研究问题
- 面对大量个体、较短时间维度且观测受到删失的面板，如何利用个体系数异质性生成预测，并控制横截面的平均覆盖率？
- 方法与思路
- 作者使用带异方差的动态面板 Tobit 模型，以全贝叶斯方法估计异质系数的横截面分布，并生成个体密度与集合预测。
- 材料陈述的贡献
- 摘要提出借助横截面系数分布构造个体贝叶斯预测，并使集合预测明确针对平均覆盖概率，应用于小银行贷款核销率。
- 阅读关注点
- 应核对删失机制、动态结构、异方差设定和分布先验，并区分横截面平均覆盖与每家银行各自的预测覆盖。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收未核实；摘要未说明预测比较与具体结果，平均覆盖目标不保证个体覆盖。
原文摘要
We use a dynamic panel Tobit model with heteroskedasticity to generate forecasts for a large cross-section of short time series of censored observations. Our fully Bayesian approach allows us to flexibly estimate the cross-sectional distribution of heterogeneous coefficients and then implicitly use this distribution as prior to construct Bayes forecasts for the individual time series. In addition to density forecasts, we construct set forecasts that explicitly target the average coverage probability for the cross-section. We present a novel application in which we forecast bank-level loan charge-off rates for small banks.