Heterogeneous Autoregressions in Short T Panel Data Models
短时间维度面板模型中的异质自回归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：摘要明确研究短时间维度的异质动态面板，并以收入动态作为应用。
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
短时间维度面板模型中的异质自回归
- 研究问题
- 在时间维度较短、含个体效应且自回归系数异质的面板中，如何估计系数横截面分布的矩，并允许部分个体过程存在单位根？
- 方法与思路
- 作者设定自回归系数位于（−1，1] 的随机系数模型，对固定效应不施加限制，提出系数分布矩的估计量，并用模拟与收入动态应用考察表现。
- 材料陈述的贡献
- 摘要称，同质斜率下的标准 GMM 估计在该设定中存在偏差；简单均值矩估计表现较好，而可靠估计系数方差需要更大样本且真实方差不能过小。
- 阅读关注点
- 应核对随机系数与初始条件的关系、固定效应不受限制的具体含义、单位根个体的处理，以及均值和方差矩估计分别依赖哪些条件。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未核验。摘要未列出完整矩条件和样本规模，也未说明方差接近零时的推断边界，无法据此判断具体面板是否适用。
原文摘要
This paper considers a first-order autoregressive panel data model with individual-specific effects and heterogeneous autoregressive coefficients defined on the interval (-1,1], thus allowing for some of the individual processes to have unit roots. It proposes estimators for the moments of the cross-sectional distribution of the autoregressive (AR) coefficients, assuming a random coefficient model for the autoregressive coefficients without imposing any restrictions on the fixed effects. It is shown the standard generalized method of moments estimators obtained under homogeneous slopes are biased. Small sample properties of the proposed estimators are investigated by Monte Carlo experiments and compared with a number of alternatives, both under homogeneous and heterogeneous slopes. It is found that a simple moment estimator of the mean of heterogeneous AR coefficients performs very well even for moderate sample sizes, but to reliably estimate the variance of AR coefficients much larger samples are required. It is also required that the true value of this variance is not too close to zero. The utility of the heterogeneous approach is illustrated in the case of earnings dynamics.