Empirical Bayes Estimation in Heterogeneous Coefficient Panel Models
异质系数面板模型中的经验贝叶斯估计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。
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：摘要明确针对短面板线性模型的个体系数异质性，并使用个体收入面板数据。
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
异质系数面板模型中的经验贝叶斯估计
- 研究问题
- 短面板中个体截距、斜率、动态系数与误差方差均可能异质时，如何估计其分布并改善个体预测？
- 方法与思路
- 作者采用非参数先验的经验贝叶斯 G-modeling，通过非参数极大似然估计异质性分布，并用 Wasserstein–Fisher–Rao 梯度流计算。
- 材料陈述的贡献
- 摘要称建立分布识别、估计一致性和经验贝叶斯遗憾一致性条件；收入动态面板应用显示多维异质性及预测均方误差下降。
- 阅读关注点
- 应核对短面板下识别随机系数与误差结构的条件、遗憾一致性的比较对象，以及算法收敛和预测评估的实施方式。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收均未核验；摘要未列出具体条件或预测改善数值，应用发现不能自动外推。
原文摘要
We develop an empirical Bayes (EB) G-modeling framework for short-panel linear models with nonparametric prior for the random intercepts, slopes, dynamics, and non-spherical error variances. We establish identification and consistency of the nonparametric maximum likelihood estimator (NPMLE) under general conditions, and provide low-level sufficient conditions for several models of empirical interest. Conditions for regret consistency of the EB estimators are also established. The NPMLE is computed using a Wasserstein-Fisher-Rao gradient flow algorithm adapted to panel regressions. Using data from the Panel Study of Income Dynamics, we find that the slope coefficient for potential experience is substantially heterogeneous and negatively correlated with the random intercept, and that error variances and autoregressive coefficients vary significantly across individuals. The EB estimates reduce mean squared prediction errors relative to individual maximum likelihood estimates.