Asymptotic Distributions of Nonlinear Least Squares Estimators for Panel-MIDAS Models
面板MIDAS模型非线性最小二乘估计量的渐近分布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：摘要明确以混合频率面板模型及个体内相关条件下的估计推断为核心。
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…
面板MIDAS模型非线性最小二乘估计量的渐近分布
- 研究问题
- 将混合频率数据引入面板模型后，如何在个体数与时间长度共同增长、存在异方差和个体内相关时进行有效推断？
- 方法与思路
- 作者推导非线性最小二乘的联合渐近性质，构造稳健HAC协方差估计，并设计等权重Wald检验与上确界型检验。
- 材料陈述的贡献
- 摘要称提供面板MIDAS估计与推断理论，同时分析预设聚合权重下最小二乘的偏差和方差，并以模拟及应用评估。
- 阅读关注点
- 应核对个体数与时间长度的相对增长条件、个体间依赖限制、HAC实现，以及未识别干扰参数如何进入上确界检验。
- 阅读边界
- 仅据所给OpenAlex版本摘要；具体正则条件、实证对象和模拟数值均未说明，不能据此推断后续刊本变化。
原文摘要
The Mixed Data Sampling (MIDAS) approach provides a flexible framework for incorporating mixed-frequency data into econometric models. In this paper, we introduce the MIDAS framework into a panel data model and derive the asymptotic properties of the NLS estimator under a joint asymptotic framework where both N and T tend to infinity, allowing for heteroskedasticity and arbitrary correlation within each individual. To facilitate valid inference, we construct robust heteroskedasticity- and autocorrelation-consistent (HAC) covariance estimators. We also analyze the asymptotic bias and variance of the LS estimator based on pre-specified aggregation weights. In addition, we propose a Wald test for the null hypothesis of equal weights and a supremum-type Wald test to address the unidentified nuisance parameter problem. The theoretical results are evaluated via an extensive Monte Carlo simulation study and an empirical application.