Common correlated effects estimation of nonlinear panel data models
非线性面板数据模型的共同相关效应估计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：摘要直接研究含交互固定效应的非线性面板估计，并应用于非金融企业行为。
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
非线性面板数据模型的共同相关效应估计
- 研究问题
- 在含交互固定效应的非线性面板中，如何估计可观测变量的系数和平均偏效应，并修正潜在因子估计与面板结构带来的偏误？
- 方法与思路
- 作者先对解释变量的横截面均值实施主成分分析以估计潜在因子，再联合估计回归系数和因子载荷，并提出两种偏误修正。
- 材料陈述的贡献
- 摘要称，在时间与截面观测数量可比时可推导渐近分布；解析修正和分割面板刀切法在模拟中表现良好，并用于企业套利分析。
- 阅读关注点
- 应核对横截面均值识别因子的条件、两阶段误差和偏误来源，以及系数与平均偏效应的修正方法及适用的面板维度。
- 阅读边界
- 摘要未提供一般条件、具体非线性模型或套利应用结果，不能认为任意横截面均值均能恢复因子，也不能直接推广到极短面板。
原文摘要
Summary This paper focuses on estimating the coefficients and average partial effects of observed regressors in nonlinear panel data models with interactive fixed effects, using the common correlated effects framework. The proposed two-step estimation method involves applying principal component analysis to estimate the latent factors based on cross-sectional averages of the regressors in the first step, and jointly estimating the coefficients of the regressors and the factor loadings in the second step. The asymptotic distributions of the proposed estimators are derived under general conditions, assuming that the number of time-series observations is comparable to the number of cross-sectional observations. To correct for asymptotic biases of the estimators, we introduce both analytical and split-panel jackknife methods, and confirm their good performance in finite samples using Monte Carlo simulations. Finally, the proposed method is used to study the arbitrage behaviour of nonfinancial firms across different security markets.