Identification robust inference for moments based analysis of linear dynamic panel data models
线性动态面板矩条件分析中的识别稳健推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确围绕线性动态面板、自回归参数和差分与水平矩条件展开识别及推断，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…
关注这篇论文的作者
线性动态面板矩条件分析中的识别稳健推断
- 研究问题
- 在线性动态面板中，自回归系数接近一且初始观测方差较大时，哪些矩条件仍能识别该参数，识别稳健检验如何使用这些信息？
- 方法与思路
- 作者使用识别稳健检验分析差分、水平和非线性矩条件，研究其组合所张成的仅依赖差分数据的稳健矩，并比较检验辨别能力。
- 材料陈述的贡献
- 摘要称在所述情形下各类矩单独不能识别，而超过三个时间观测时组合矩可以识别；并说明 KLM 检验隐含使用稳健矩的结果。
- 阅读关注点
- 应核对接近单位根和初始方差较大的精确定义、时间维度条件，以及组合矩识别证明与 KLM 检验拒绝频率比较的适用范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列完整渐近条件，不能把组合矩的识别结论推广到所有动态面板设定。
原文摘要
We use identification robust tests to show that difference, level and non-linear moment conditions, as proposed by Arellano and Bond (1991), Arellano and Bover (1995), Blundell and Bond (1998) and Ahn and Schmidt (1995) for the linear dynamic panel data model, do not separately identify the autoregressive parameter when its true value is close to one and the variance of the initial observations is large. We prove that combinations of these moment conditions, however, do so when there are more than three time series observations. This identification then solely results from a set of, so-called, robust moment conditions. These robust moments are spanned by the combined difference, level and non-linear moment conditions and only depend on differenced data. We show that, when only the robust moments contain identifying information on the autoregressive parameter, the discriminatory power of the Kleibergen (2005) LM test using the combined moments is identical to the largest rejection frequencies that can be obtained from solely using the robust moments. This shows that the KLM test implicitly uses the robust moments when only they contain information on the autoregressive parameter.