Joint Conditional Maximum Likelihood Estimation of Beta Regression for Panel Data with Higher-Order Autoregressive Errors
具有高阶自回归误差的面板 Beta 回归联合条件极大似然估计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：摘要核心是面板 Beta 回归以及面板内自回归和跨面板依赖下的协方差修正。
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
具有高阶自回归误差的面板 Beta 回归联合条件极大似然估计
- 研究问题
- 如何在面板 Beta 回归的联合似然框架中容纳高阶自回归依赖，并处理跨面板相关造成的标准误与检验失准？
- 方法与思路
- 作者将单序列 Beta-AR(k) 条件极大似然扩展至面板，提出面板修正标准误和 Driscoll–Kraay 风格的协方差估计。
- 材料陈述的贡献
- 摘要称两类修正能改善跨面板依赖下的检验失准；模拟中面板修正标准误通常具有更好的第一类错误控制与覆盖率，并提供 Stata 实现。
- 阅读关注点
- 核对自回归误差的具体定义、联合条件似然及两种协方差公式，检查比较中的样本维度、相关结构和检验功效校准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核实；摘要未交代完整渐近条件，模拟中一种修正较好不代表其对所有面板都占优。
原文摘要
Existing panel beta regression estimators do not accommodate higher-order autoregressive dependence within a joint likelihood framework. We develop such an estimator: a joint conditional maximum-likelihood beta-AR(k) model extended from a single time series to panel data, and extend it to panel inference through two new covariance estimators - a generalization of Beck-Katz panel-corrected standard errors (PCSE) and a Driscoll-Kraay-style alternative (DK) - to account for the cross-panel dependence the extension introduces. The estimator is evaluated by Monte Carlo simulation spanning AR(1)-AR(3) error structures, three panel sizes, and five series lengths, under both independent panels and genuine cross-panel dependence, against an uncorrected baseline. PCSE generally exhibited superior Type I error control and coverage relative to DK, at a power cost that was modest and partly illusory given DK's own miscalibration. Under genuine cross-panel dependence, the uncorrected estimator's Type I error was severe and did not diminish with additional data, while both corrections resolved it, with PCSE again preferred. An illustrative multi-site disease management example is provided, along with a Stata implementation (xtbetark).