A varying-coefficient panel data model with fixed effects: Theory and an application to US commercial banks
含固定效应的变系数面板模型：理论与美国商业银行应用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：摘要核心是含固定效应和横截面依赖的变系数面板估计，应用对象为商业银行。
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…
含固定效应的变系数面板模型：理论与美国商业银行应用
- 研究问题
- 当影响系数的变量完全为类别变量，且存在与回归变量相关的个体异质性及空间误差依赖时，如何估计变系数面板模型？
- 方法与思路
- 作者建立含固定效应与一般空间误差依赖的半参数变系数面板模型，使用修正的组内变换估计，并研究大个体数和长时间维度下的性质。
- 材料陈述的贡献
- 摘要称，论文给出估计量性质及模拟证据；美国商业银行应用显示，监管较严格州的规模报酬高于监管较宽松州。
- 阅读关注点
- 核对类别变量如何改变系数、修正组内变换与空间依赖条件，并区分理论中的大 N、大 T 情形和模拟中的短面板情形。
- 阅读边界
- 仅据所给出版社摘要，无法确定类别平滑方法、空间结构或银行数据细节；监管与规模报酬的差异不足以单独支持因果解释。
原文摘要
In this paper, we propose a semiparametric varying-coefficient categorical panel data model in which covariates (variables affecting the coefficients) are purely categorical. This model has two features: first, fixed effects are included to allow for correlation between individual unobserved heterogeneity and the regressors; second, it allows for cross-sectional dependence through a general spatial error dependence structure. We derive a semiparametric estimator for our model by using a modified within transformation, and then show the asymptotic and finite properties for this estimator under large N and T. The Monte Carlo study shows that our methodology works well for both large N and T, and large N and small T cases. Finally, we illustrate our model by analyzing the effects of state-level banking regulations on the returns to scale of commercial banks in the US. Our empirical results suggest that returns to scale is higher in more regulated states than in less regulated states.