Symmetrically Normalized Instrumental-Variable Estimation Using Panel Data
面板数据的对称归一化工具变量估计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：摘要明确研究具有个体效应与序贯矩限制的线性面板模型，并用英国、西班牙企业面板作示例，直接归入面板数据。
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
面板数据的对称归一化工具变量估计
- 研究问题
- 在线性面板模型具有序贯矩限制、工具变量较弱时，如何构造不受归一化方式影响的估计，并考察其有限样本偏差？
- 方法与思路
- 作者研究对称归一化广义矩估计（SNM）与 LIML 类估计，用含个体效应的自回归模型模拟，并以企业就业和工资方程作示例。
- 材料陈述的贡献
- 摘要称，这些估计与标准 GMM 渐近等价且不随归一化方式改变，有限样本偏差通常更小，尤其在工具变量较弱时。
- 阅读关注点
- 应核对序贯矩限制和工具变量构造、归一化不变性的范围，以及模拟中的偏差比较和英国、西班牙企业应用的模型设定。
- 阅读边界
- 摘要未给出具体矩条件、工具变量强度与模拟设置，也未报告应用数值；较小偏差不能推广为所有情形下风险或推断更优。
原文摘要
The authors discuss the estimation of linear panel-data models with sequential moment restrictions using symmetrically normalized generalized method of moments (SNM) estimators and limited information maximum likelihood (LIML) analogues. These estimators are asymptotically equivalent to standard generalized method of moments (GMM) estimators but are invariant to normalization and tend to have a smaller finite-sample bias, especially when the instruments are poor. The authors study their properties in relation to ordinary GMM and minimum distance estimators for AR(l) models with individual effects by mean of simulations. Finally, as empirical illustrations, they estimate by SNM and LIML employment and wage equations using panels of U.K. and Spanish firms.