SECOND-ORDER BIAS REDUCTION FOR NONLINEAR PANEL DATA MODELS WITH FIXED EFFECTS BASED ON EXPECTED QUANTITIES
基于期望量的非线性固定效应面板模型二阶偏差修正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：摘要直接讨论非线性固定效应面板模型、附带参数偏差及短时间维度下的修正，因此归入面板数据方向。
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
基于期望量的非线性固定效应面板模型二阶偏差修正
- 研究问题
- 研究如何减轻非线性固定效应面板模型中附带参数问题造成的估计偏差，尤其考察二阶修正能否改善时间维度较短时的表现。
- 方法与思路
- 作者以期望量构造剖面似然的一阶和二阶偏差修正，区别于基于样本平均的修正，并在个体数与时期数共同增长下建立理论。
- 材料陈述的贡献
- 摘要称，估计量具有一致性和渐近正态性；模拟中二阶修正改善了一阶修正的有限样本表现，尤其在时期数少于十时。
- 阅读关注点
- 应核对期望量的计算方式、二阶修正适用的模型范围、两个样本维度的增长条件，以及短面板模拟中的偏差与方差变化。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断改善幅度和计算成本；共同增长的渐近结论不能自动推广到时期数固定的面板情形。
原文摘要
In many nonlinear panel data models with fixed effects maximum likelihood estimators suffer from the incidental parameters problem, which often entails that point estimates are markedly biased. While the recent literature has mostly generated methods that yield a first-order bias reduction relative to maximum likelihood, we derive a first- and second-order bias correction of the profile likelihood based on “expected quantities” which differs from the corresponding correction based on “sample averages” derived in Dhaene and Sun (2021, Journal of Econometrics 220, 227–252). While consistency and asymptotic normality of our estimator are derived in a setting where both the number of individuals and the number of time periods grow to infinity, we illustrate in a simulation study that our second-order bias reduction indeed yields an estimator with substantially improved small sample properties relative to its first-order unbiased counterpart, especially when less than 10 time periods are available.