Asymptotic inference for dynamic panel estimators of infinite order autoregressive processes
无限阶自回归过程动态面板估计的渐近推断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：摘要分析动态自回归面板，并应用于美国城市间一价定律偏离，涉及宏观价格面板及时间动态。
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…
无限阶自回归过程动态面板估计的渐近推断
- 研究问题
- 存在个体效应且自回归阶数可能无限时，如何对动态面板进行估计和渐近推断，并修正固定效应估计的偏误？
- 方法与思路
- 作者在横截面规模和时间长度同时增加的框架下采用滞后阶数随样本增长的筛自回归近似，并依据理论偏误项进行修正。
- 材料陈述的贡献
- 摘要称，作者建立固定效应估计的一致性和渐近正态性，模拟显示偏误修正有用，并应用于美国城市间一价定律偏离。
- 阅读关注点
- 应核对横截面与时间维度的增长关系、筛近似阶数的选择条件，以及理论偏误修正与城市价格应用中的实施细节。
- 阅读边界
- 所给出版社摘要未说明依赖结构、阶数增长限制和偏误公式；双重渐近结果不能直接保证短时间面板中的推断有效。
原文摘要
In this paper we consider the estimation of a dynamic panel autoregressive (AR) process of possibly infinite order in the presence of individual effects. We employ double asymptotics under which both the cross-sectional sample size and the length of time series tend to infinity and utilize the sieve AR approximation with its lag order increasing with the sample size. We establish the consistency and asymptotic normality of the fixed effects estimator and propose a bias-corrected fixed effects estimator based on a theoretical asymptotic bias term. Monte Carlo simulations demonstrate the usefulness of bias correction. As an illustration, the proposed methods are applied to dynamic panel estimation of the law of one price deviations among US cities.