Dynamic panels with MIDAS covariates: Nonlinearity, estimation and fit
含 MIDAS 协变量的动态面板：非线性、估计与拟合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：摘要研究含混频协变量的动态面板，并以储备持有模型作为明确的宏观应用。
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…
含 MIDAS 协变量的动态面板：非线性、估计与拟合
- 研究问题
- 将混频抽样 MIDAS 引入动态面板后，如何处理未识别的干扰参数，并对混频参数与模型系数开展可靠推断？
- 方法与思路
- 作者通过反演模型设定检验推断 MIDAS 参数，并对模型系数采用界限检验；在动态 GMM 框架下考察识别、模拟与应用。
- 材料陈述的贡献
- 摘要称框架允许聚类及动态设定等偏离独立同分布误差的情形，并通过模拟和储备持有模型应用展示所提方法的用途。
- 阅读关注点
- 应核对未识别干扰参数出现的具体情形、检验反演与界限构造、动态 GMM 的矩条件，以及聚类依赖和混频权重的处理。
- 阅读边界
- 摘要未给出混频权重形式、完整识别条件或模拟结果；对收缩方法的启发属于作者展望，不能视为已建立的一般最优性。
原文摘要
This paper introduces Mixed Data Sampling (MIDAS) into the panel data context. To address the unidentified nuisance parameter problem, we propose to invert model specification tests for inference on the MIDAS parameter along with bounds tests for model coefficients. Illustrative identification, simulation and empirical analyses are conducted in the dynamic GMM framework. Our framework allows for departures from i.i.d errors such as clustering and dynamic specifications. A simulation study and an application to a model of reserve holdings illustrate the usefulness of the proposed methods, and more broadly set a promising template for shrinkage approaches.