Earnings and Consumption Dynamics: A Nonlinear Panel Data Framework
劳动收入与消费动态：非线性面板数据框架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：摘要明确采用分位数面板框架，并研究劳动收入的条件偏度与非线性持续性，支持面板数据及分位数与分布方向。
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…
劳动收入与消费动态：非线性面板数据框架
- 研究问题
- 收入冲击的持续性如何随冲击大小、正负及既往收入经历变化，这些非线性又如何影响不同资产水平家庭的消费反应？
- 方法与思路
- 作者提出基于分位数的面板框架，将对数劳动收入分为马尔可夫持续成分与暂时创新，并让消费依年龄、资产和两类收入成分变化。
- 材料陈述的贡献
- 摘要称实现收入过程与消费规则的非参数识别，并用 PSID 数据发现非线性持续性、条件偏度及随资产变化的异质消费反应。
- 阅读关注点
- 阅读全文时应核对持续与暂时冲击如何区分、非参数识别条件、资产和消费的测量，以及结果如何支持不同收入经历下的消费反应。
- 阅读边界
- 摘要未说明具体识别假设、估计程序、样本范围或结果不确定性；所述异质消费反应尚不足以判断各类政策的福利效果。
原文摘要
We develop a new quantile-based panel data framework to study the nature of income persistence and the transmission of income shocks to consumption.Log-earnings are the sum of a general Markovian persistent component and a transitory innovation.The persistence of past shocks to earnings is allowed to vary according to the size and sign of the current shock.Consumption is modeled as an age-dependent nonlinear function of assets and the two earnings components.We establish the nonparametric identification of the nonlinear earnings process and the consumption policy rule.Exploiting the enhanced consumption and asset data in recent waves of the Panel Study of Income Dynamics, we find nonlinear persistence and conditional skewness to be key features of the earnings process.We show that the impact of earnings shocks varies substantially across earnings histories, and that this nonlinearity drives heterogeneous consumption responses.The transmission of shocks is found to vary systematically with assets.