Common correlated effect cross‐sectional dependence corrections for nonlinear conditional mean panel models
非线性条件均值面板模型的共同相关效应截面依赖修正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：摘要明确提出非线性面板估计，并分别应用于银行资本与风险、OECD 国家储蓄与投资，支持微观面板和宏观面板分类。
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
非线性条件均值面板模型的共同相关效应截面依赖修正
- 研究问题
- 当非线性条件均值面板模型受到交互式未观测多因子的影响时，如何修正截面依赖，并对模型系数开展有效估计与推断？
- 方法与思路
- 作者扩展共同相关效应修正，把线性项和非线性项的截面均值加入解释变量，以非线性最小二乘构造合并和均值组估计量。
- 材料陈述的贡献
- 摘要称，作者推导估计量的渐近分布并证明一致性与渐近正态性，辅以蒙特卡洛实验、银行风险和 OECD 储蓄投资应用。
- 阅读关注点
- 核对截面均值如何逼近未观测因子、非线性项如何选取，以及合并与均值组估计各自要求的异质性和样本增长条件。
- 阅读边界
- 摘要未列出因子结构、识别条件和渐近增长要求，也未报告模拟误差及实证估计，因此尚不能判断修正的适用范围与实际效果。
原文摘要
Summary This paper provides an approach to estimation and inference for nonlinear conditional mean panel data models, in the presence of cross‐sectional dependence. We modify Pesaran's ( Econometrica , 2006, 74 (4), 967–1012) common correlated effects correction to filter out the interactive unobserved multifactor structure. The estimation can be carried out using nonlinear least squares, by augmenting the set of explanatory variables with cross‐sectional averages of both linear and nonlinear terms. We propose pooled and mean group estimators, derive their asymptotic distributions, and show the consistency and asymptotic normality of the coefficients of the model. The features of the proposed estimators are investigated through extensive Monte Carlo experiments. We also present two empirical exercises. The first explores the nonlinear relationship between banks' capital ratios and riskiness. The second estimates the nonlinear effect of national savings on national investment in OECD countries depending on countries' openness.