Indirect inference for dynamic panel models
动态面板模型的间接推断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：摘要明确研究具有固定效应的动态面板模型，以及固定时间维度下自回归参数的估计偏差，直接对应面板数据方向。
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…
动态面板模型的间接推断
- 研究问题
- 在时间维度固定、截面维度增长的固定效应动态面板中，如何降低自回归参数最大似然估计的偏差并改善有限样本误差？
- 方法与思路
- 作者提出基于间接推断的偏差削减方法，称其计算成本较低，并分析无偏性与效率，通过蒙特卡洛实验比较替代估计量。
- 材料陈述的贡献
- 摘要报告，该方法在所设模拟中明显降低偏差，仅温和增加方差，因而降低均方根误差，并优于所比较的 GMM 和修正似然方法。
- 阅读关注点
- 应核对间接推断使用的模拟与匹配步骤、无偏性结论的确切含义，以及比较方法、参数区域和计算成本的设定。
- 阅读边界
- 仅据所给出版社摘要，无法确认无偏性的条件或模拟数值；有限样本优势仅是摘要对其比较实验的陈述，不能视为普遍排序。
原文摘要
Maximum likelihood (ML) estimation of the autoregressive parameter of a dynamic panel data model with fixed effects is inconsistent under fixed time series sample size and large cross section sample size asymptotics. This paper proposes a general, computationally inexpensive method of bias reduction that is based on indirect inference, shows unbiasedness and analyzes efficiency. Monte Carlo studies show that our procedure achieves substantial bias reductions with only mild increases in variance, thereby substantially reducing root mean square errors. The method is compared with certain consistent estimators and is shown to have superior finite sample properties to the generalized method of moment (GMM) and the bias-corrected ML estimator.