Bootstrap Inference in Nonlinear Panel Data Models with Interactive Fixed Effects
交互固定效应非线性面板模型的 Bootstrap 推断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：研究直接针对具有交互固定效应的非线性面板模型及其偏差校正和推断。
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…
交互固定效应非线性面板模型的 Bootstrap 推断
- 研究问题
- 交互固定效应非线性面板模型的最大似然估计存在偏差时，参数 Bootstrap 能否支持有效推断，并改善置信区间的有限样本表现？
- 方法与思路
- 作者分析参数 Bootstrap 对最大似然估计渐近分布的复制能力，并提出基于变换的 Bootstrap 置信区间，以模拟和企业创新应用考察方法。
- 材料陈述的贡献
- 摘要称，参数 Bootstrap 可得到渐近无偏估计及覆盖率渐近正确的置信集，所提变换区间具有更好的有限样本表现。
- 阅读关注点
- 应核对面板两个维度的渐近安排、交互固定效应的估计方式、Bootstrap 如何处理偏差，以及变换区间与已有校正方法的比较。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未给出有效性条件、变换细节或模拟数值，应用中的溢出识别也未说明。
原文摘要
The maximum likelihood estimator in nonlinear panel data models with interactive fixed effects is biased. Several bias correction methods, such as analytical and jackknife approaches, have been proposed to enable valid inference. This paper shows that the parametric bootstrap also enables valid inference in such models. In particular, we show that the parametric bootstrap replicates the asymptotic distribution of the maximum likelihood estimator. Therefore, it yields asymptotically unbiased estimates and confidence sets with asymptotically correct coverage. We also propose a transformation-based bootstrap confidence interval that delivers improved finite-sample performance. Simulation results support the theoretical findings. Finally, we apply the proposed method to examine technological and product market spillover effects on firms' innovation behavior.