Bootstrap inference for panel data quantile regression
面板数据分位数回归的自助法推断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。
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：摘要明确研究固定效应面板分位数回归及其自助法推断。
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…
面板数据分位数回归的自助法推断
- 研究问题
- 固定效应面板分位数回归如何实施方便且有效的自助法推断，并允许同一个体内的观测存在时间依赖？
- 方法与思路
- 作者采用随机权重自助重抽样，通过加权固定效应面板分位数回归实现算法，并建立允许个体内时间依赖的渐近有效性。
- 材料陈述的贡献
- 摘要称证明了自助法推断的渐近有效性，模拟为有限样本性质提供支持，并以环境库兹涅茨曲线进行实证示例。
- 阅读关注点
- 应核对个体内依赖和个体间关系的条件、面板维度增长方式、权重生成规则，以及固定效应估计对自助法有效性的影响。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未给出具体正则条件与模拟数值，不能判断任意面板规模下的覆盖表现。
原文摘要
This paper develops bootstrap methods for practical statistical inference in panel data quantile regression models with fixed effects. We consider random-weighted bootstrap resampling and formally establish its validity for asymptotic inference. The bootstrap algorithm is simple to implement in practice by using a weighted quantile regression estimation for fixed effects panel data. We provide results under conditions that allow for temporal dependence of observations within individuals, thus encompassing a large class of possible empirical applications. Monte Carlo simulations provide numerical evidence the proposed bootstrap methods have correct finite sample properties. Finally, we provide an empirical illustration using the environmental Kuznets curve.