Robust likelihood estimation of dynamic panel data models
动态面板数据模型的稳健似然估计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：摘要研究带个体效应的动态面板，并应用于美国和西班牙的个体收入过程。
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
动态面板数据模型的稳健似然估计
- 研究问题
- 在具有个体效应和时间序列异方差的自回归面板中，如何进行一致的似然估计，并判断单位根下的识别与效率？
- 方法与思路
- 作者研究偏差修正条件得分、水平与差分随机效应极大似然及施加均值平稳性的估计量，并分析一般自回归模型。
- 材料陈述的贡献
- 摘要称，所提估计量能适应时间序列异方差，水平随机效应估计可能更有效率；两个人群收入面板应用提供反对单位根的证据。
- 阅读关注点
- 应核对异方差允许形式、初始条件与随机效应设定、单位根下的识别，以及水平和差分估计效率比较所需的条件。
- 阅读边界
- 所给出版社摘要未列出完整一致性条件和经验检验数值；稳健性仅涉及摘要所述异方差，不能推广到所有模型误设。
原文摘要
We develop likelihood-based estimators for autoregressive panel data models that are consistent in the presence of time series heteroskedasticity. Bias-corrected conditional score estimators, random effects maximum likelihood in levels and first differences, and estimators that impose mean stationarity are considered for general autoregressive models with individual effects. We investigate identification under unit roots, and show that random effects estimation in levels may achieve substantial efficiency gains relative to estimation from data in differences. In an empirical application, we find evidence against unit roots in individual earnings processes from the Panel Study of Income Dynamics and the Spanish section of the European Community Household Panel.