Estimating semiparametric panel data models by marginal integration
通过边际积分估计半参数面板数据模型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：摘要直接研究半参数面板及随机效应、固定效应和双向效应。
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
通过边际积分估计半参数面板数据模型
- 研究问题
- 半参数面板模型经一阶差分后，如何从形成的加性回归结构中恢复非线性成分，并将方法扩展到双向效应模型？
- 方法与思路
- 作者对差分产生的加性结构使用边际积分以恢复非线性函数，刻画估计量的渐近行为，并在随机效应和固定效应情形中模拟。
- 材料陈述的贡献
- 摘要称，提出非线性成分的替代估计方法并扩展至双向效应；模拟表明估计量在所考察随机效应和固定效应设计中表现良好。
- 阅读关注点
- 应核对差分后加性结构的推导、非线性函数恢复所需的归一化与支持条件，以及双向效应扩展和积分权重的选择。
- 阅读边界
- 仅据所给出版社摘要，无法判断具体识别条件、渐近速度或有限样本误差；表现良好的陈述没有提供数值或全面比较依据。
原文摘要
We propose an alternative method for estimating the nonlinear component in semiparametric panel data models. Our method is based on marginal integration that allows us to recover the nonlinear component from an additive regression structure that results from the first differencing transformation. We characterize the asymptotic behavior of our estimator. We also extend the methodology to treat panel data models with two-way effects. Monte Carlo simulations show that our estimator behaves well in finite samples in both random effects and fixed effects settings.