ASYMPTOTIC THEORY IN FIXED EFFECTS PANEL DATA SEEMINGLY UNRELATED PARTIALLY LINEAR REGRESSION MODELS
固定效应面板似不相关部分线性回归的渐近理论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：摘要直接研究固定效应面板数据模型及其参数和非参数部分的估计。
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
固定效应面板似不相关部分线性回归的渐近理论
- 研究问题
- 在允许半参数效应和多方程同期相关的固定效应面板模型中，如何估计参数与非参数部分并进行统计推断？
- 方法与思路
- 作者对参数部分提出加权剖面最小二乘估计，对非参数部分提出加权两阶段估计，并建立渐近理论和开展模拟。
- 材料陈述的贡献
- 摘要称两类估计量均渐近正态，且相较忽略同期相关或逐方程估计的方法具有更高渐近效率，并以模拟评估有限样本表现。
- 阅读关注点
- 应核对固定效应的处理、权重和同期协方差的估计，以及效率比较条件、面板渐近设定和非参数平滑要求。
- 阅读边界
- 仅依据所给 Crossref 摘要版本，未核验刊本变化；摘要未说明维度增长与依赖条件，渐近效率优势也不保证所有有限样本表现。
原文摘要
This paper deals with statistical inference for the fixed effects panel data seemingly unrelated partially linear regression model. The model naturally extends the traditional fixed effects panel data regression model to allow for semiparametric effects. Multiple regression equations are permitted, and the model includes the aggregated partially linear model as a special case. A weighted profile least squares estimator for the parametric components is proposed and shown to be asymptotically more efficient than those neglecting the contemporaneous correlation. Furthermore, a weighted two-stage estimator for the nonparametric components is also devised and shown to be asymptotically more efficient than those based on individual regression equations. The asymptotic normality is established for estimators of both parametric and nonparametric components. The finite-sample performance of the proposed methods is evaluated by simulation studies.