Least squares estimation in nonstationary nonlinear cohort panels with learning from experience
具有经验学习机制的非平稳非线性群组面板最小二乘估计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：摘要直接研究群组面板的非线性估计与推断，但未明确调查预期属于宏观经济对象。
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
具有经验学习机制的非平稳非线性群组面板最小二乘估计
- 研究问题
- 包含经验学习机制的非平稳非线性群组面板中，实践使用的非线性最小二乘估计是否有效，相关假设检验有哪些陷阱？
- 方法与思路
- 作者研究该类面板的估计与推断，分析非线性最小二乘估计的渐近性质，提出检验问题的解决方法，并结合模拟和调查预期面板应用。
- 材料陈述的贡献
- 摘要称，作者证明所用估计器的一致性与渐近正态性，识别假设检验风险并提出修正，模拟和实际应用展示了理论的用途。
- 阅读关注点
- 应核对非平稳过程与经验学习机制的设定、面板维度的渐近路径，以及标准检验失效的具体情形和所提修正的成立条件。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收；摘要未说明模型方程、具体检验陷阱及调查预期数据的内容。
原文摘要
We discuss techniques of estimation and inference for nonstationary nonlinear cohort panels with learning from experience, showing, inter alia, the consistency and asymptotic normality of the nonlinear least squares estimator used in empirical practice. Potential pitfalls for hypothesis testing are identified and solutions proposed. Monte Carlo simulations verify the properties of the estimator and corresponding test statistics in finite samples, while an application to a panel of survey expectations demonstrates the usefulness of the theory developed.