跳到正文
← 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:摘要直接研究动态误差成分面板、初始条件、矩限制和差分GMM,并使用企业面板应用,明确对应面板数据方向。

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…

关注这篇论文的作者
Richard Blundell
Stephen Bond

重印:动态面板模型的初始条件与矩限制

研究问题
在动态误差成分面板模型中,怎样利用初始条件限制改善标准一阶差分GMM估计的表现,这些限制带来何种效率收益?
方法与思路
作者研究两种替代线性估计量,两者都需要约束初始条件过程;通过简单AR(1)模型的效率比较、模拟和企业劳动需求应用评估。
材料陈述的贡献
摘要称,所提估计量相较通常的一阶差分GMM及非线性GMM表现明显改善,并以公司面板的劳动需求估计展示其意义。
阅读关注点
应核对初始条件限制如何产生有效矩条件、两种线性估计量的区别,以及理论效率比较与模拟改善各自适用的范围。
阅读边界
题名标注为重印,仅依据所给出版社摘要;初始条件限制的具体形式和数值结果未给出,不能假定一般动态面板都能获得同样改善。

原文摘要

Estimation of the dynamic error components model is considered using two alternative linear estimators that are designed to improve the properties of the standard first-differenced GMM estimator. Both estimators require restrictions on the initial conditions process. Asymptotic efficiency comparisons and Monte Carlo simulations for the simple AR(1) model demonstrate the dramatic improvement in performance of the proposed estimators compared to the usual first-differenced GMM estimator, and compared to non-linear GMM. The importance of these results is illustrated in an application to the estimation of a labour demand model using company panel data.

笔记与分组
相关领域论文