Statistical inference in a random coefficient panel model
随机系数面板模型中的统计推断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：摘要研究面板自回归动态，并明确包含宏观变量应用，对应宏观面板与时间序列。
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
随机系数面板模型中的统计推断
- 研究问题
- 在随机系数面板自回归模型中，自回归系数的平均值、随机性与横截面依赖如何影响估计量的极限分布和区间推断？
- 方法与思路
- 作者研究面板随机系数自回归根的加权最小二乘估计，推导其渐近性质，并以模拟和宏观、金融应用展示结果。
- 材料陈述的贡献
- 摘要称在其 RCA 框架下，WLS 估计量不因平均自回归根、系数是否随机或横截面依赖而失去渐近正态性。
- 阅读关注点
- 应核对权重构造、系数与误差限制、横截面依赖的允许范围，以及个体数和时间长度的渐近安排。
- 阅读边界
- 仅据所给出版社摘要，不能把“无单位根问题”推广到任意面板模型；所报小样本覆盖表现也仅代表其模拟设置。
原文摘要
This paper studies the asymptotics of the Weighted Least Squares (WLS) estimator of the autoregressive root in a panel Random Coefficient Autoregression (RCA). We show that, in an RCA context, there is no “unit root problem” : the WLS estimator is always asymptotically normal, irrespective of the average value of the autoregressive root, of whether the autoregressive coefficient is random or not, and of the presence and degree of cross dependence. Our simulations indicate that the estimator has good properties, and that confidence intervals have the correct coverage even for sample sizes as small as (N,T)=(10,25). We illustrate our findings through two applications to macroeconomic and financial variables.