Panel data quantile regression with grouped fixed effects
含分组固定效应的面板分位数回归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：摘要明确讨论面板分位数回归中的有限潜在类型、分组固定效应及其估计，直接对应面板与分位数方向。
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
含分组固定效应的面板分位数回归
- 研究问题
- 当面板个体来自有限个潜在类型，且类型数量与成员身份均未知时，如何估计分位数回归中的分组异质性？
- 方法与思路
- 作者通过凸优化估计未知组数与成员身份，给出成员分类一致性的条件，并建立最终估计量的渐近正态性。
- 材料陈述的贡献
- 摘要称该方法能够估计面板分位数回归中的潜在分组异质性，并提供一致分类与渐近推断理论；时间维度较大时模拟表现良好。
- 阅读关注点
- 应核对凸目标与组数选择规则、类型之间的可区分条件，以及分类误差如何影响系数估计和渐近正态近似。
- 阅读边界
- 所给出版社摘要未说明分组识别条件、调参方法或时间维度的具体要求；不能据此判断短面板中的分类与推断可靠性。
原文摘要
This paper introduces estimation methods for grouped latent heterogeneity in panel data quantile regression. We assume that the observed individuals come from a heterogeneous population with a finite number of types. The number of types and group membership is not assumed to be known in advance and is estimated by means of a convex optimization problem. We provide conditions under which group membership is estimated consistently and establish asymptotic normality of the resulting estimators. Simulations show that the method works well in finite samples when T is reasonably large.