Iterated Feasible Generalized Least-Squares Estimation of Augmented Dynamic Panel Data Models
增广动态面板模型的迭代可行广义最小二乘估计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：题名和摘要明确研究含滞后因变量及未观测时不变成分的动态面板模型，直接支持归入面板数据方法方向。
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
增广动态面板模型的迭代可行广义最小二乘估计
- 研究问题
- 在包含滞后因变量且解释变量可能与时不变未观测成分相关的动态面板中，IFGLS的渐近分布与有限样本表现如何？
- 方法与思路
- 作者研究迭代可行广义最小二乘估计；模型含滞后因变量，其他解释变量可与时不变未观测成分相关，但对时变误差成分外生。
- 材料陈述的贡献
- 摘要给出IFGLS估计量的大样本分布，并以模拟和真实数据比较其与GMM的有限样本性质，称IFGLS在这些比较中表现较好。
- 阅读关注点
- 核对增广模型的构造、样本量与时间维度的渐近安排、IFGLS迭代条件，以及GMM基准、工具变量和有限样本比较设置。
- 阅读边界
- 摘要未说明渐近框架、正则条件、误差结构或GMM具体版本；表现较好的结论限于文中比较，不能据此判定普遍优于GMM。
原文摘要
This article provides the large sample distribution of the iterated feasible generalized least-squares (IFGLS) estimator of an augmented dynamic panel data model. The regressors in the model include lagged values of the dependent variable and may include other explanatory variables that, while exogenous with respect to the time-varying error component, may be correlated with an unobserved time-invariant component. The article compares the finite sample properties of the IFGLS estimator to that of GMM estimators using both simulated and real data and finds that the IFGLS estimator compares favorably.