Forecasting with panel data: Estimation uncertainty versus parameter heterogeneity
面板数据预测：估计不确定性与参数异质性的权衡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：摘要以面板预测方法为核心，并明确应用于房价和消费者价格通胀预测。
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…
面板数据预测：估计不确定性与参数异质性的权衡
- 研究问题
- 在参数异质性与估计不确定性并存时，个体估计、合并估计、固定效应、经验贝叶斯及组合预测各在什么情况下更准确？
- 方法与思路
- 作者在线性面板模型中允许弱外生解释变量和相关异质性，比较预测表现、量化面板信息收益，并提出组合预测的最优权重。
- 材料陈述的贡献
- 摘要称预测收益取决于异质性、其与解释变量的相关性、拟合度及数据维度；模拟和房价、通胀应用中经验贝叶斯与组合总体较好。
- 阅读关注点
- 应核对预测目标与损失、异质性处理、组合权重估计及样本外评估设计，尤其关注总体优势是否掩盖个别序列的表现差异。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未核实；摘要未说明样本、预测期限和具体误差，不能据此断言某方法普遍最优。
原文摘要
We provide a comprehensive examination of the predictive performance of panel forecasting methods based on individual, pooling, fixed effects, and empirical Bayes estimation, and propose optimal weights for forecast combination schemes. We consider linear panel data models, allowing for weakly exogenous regressors and correlated heterogeneity. We quantify the gains from exploiting panel data and demonstrate how forecasting performance depends on the degree of parameter heterogeneity, whether such heterogeneity is correlated with the regressors, the goodness of fit of the model, and the dimensions of the data. Monte Carlo simulations and empirical applications to house prices and CPI inflation show that empirical Bayes and forecast combination methods perform best overall and rarely produce the least accurate forecasts for individual series.