Latent group structure in linear panel data models with endogenous regressors
含内生解释变量的线性面板模型中的潜在群组结构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：摘要直接研究内生解释变量与潜在系数群组并存的线性面板估计。
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
含内生解释变量的线性面板模型中的潜在群组结构
- 研究问题
- 线性面板系数存在未知群组且解释变量内生时，如何同时识别群组与估计组别参数，避免直接聚类 GMM 目标的非唯一性？
- 方法与思路
- 作者提出两阶段工具变量估计，将 Kmeans 用于结局对内生变量预测值的回归，并考察第一阶段具有潜在群组结构的情形。
- 材料陈述的贡献
- 摘要称直接对 GMM 目标应用 Kmeans 不产生唯一估计，新两阶段方法获得理论论证，模拟支持分类表现并用于收入与民主关系。
- 阅读关注点
- 应核对工具变量条件、群组可识别性、第一阶段与第二阶段群组的关系，以及完全异质第一阶段下分类表现的适用范围。
- 阅读边界
- 仅据 arXiv 预印本摘要，不能确认同行评审或期刊接收；工具变量选择、具体理论条件和应用结果未说明，模拟表现不是普遍保证。
原文摘要
This paper concerns the estimation of linear panel data models with endogenous regressors and a latent group structure in the coefficients. We consider instrumental variables estimation of the group-specific coefficient vector. We show that direct application of the Kmeans algorithm to the generalized method of moments objective function does not yield unique estimates. We newly develop and theoretically justify two-stage estimation methods that apply the Kmeans algorithm to a regression of the dependent variable on predicted values of the endogenous regressors. The results of Monte Carlo simulations demonstrate that two-stage estimation with the first stage modeled using a latent group structure achieves good classification accuracy, even if the true first-stage regression is fully heterogeneous. We apply our estimation methods to revisiting the relationship between income and democracy.