Robust Inference in Panel Data Models: Some Effects of Heteroskedasticity and Leveraged Data in Small Samples
面板模型的稳健推断：小样本异方差与高杠杆观测的影响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：摘要的研究对象是单向线性面板模型中的协方差估计和有限样本推断。
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
面板模型的稳健推断：小样本异方差与高杠杆观测的影响
- 研究问题
- 在单向线性面板模型中，小样本、异方差与协变量极端值同时出现时，稳健标准误如何影响检验尺寸和功效？
- 方法与思路
- 作者考察多种异方差一致协方差估计量的渐近与有限样本性质，开展 Monte Carlo 比较，并提出混合协方差估计量。
- 材料陈述的贡献
- 摘要称所考察情形中更保守的方差估计优于常规标准误，尤其在小样本下，并报告同方差时各类 HC 检验表现良好。
- 阅读关注点
- 应核对面板误差的相关结构、杠杆点生成方式、混合估计量构造，以及所谓优于常规标准误采用的评价指标。
- 阅读边界
- 所据为 arXiv 预印本，同行评审或期刊接收未经核实；摘要未列模拟设置，不能将其中的优势表述推广至所有面板模型。
原文摘要
With the violation of the assumption of homoskedasticity, least squares estimators of the variance become inefficient and statistical inference conducted with invalid standard errors leads to misleading rejection rates. Despite a vast cross-sectional literature on the downward bias of robust standard errors, the problem is not extensively covered in the panel data framework. We investigate the consequences of the simultaneous presence of small sample size, heteroskedasticity and data points that exhibit extreme values in the covariates ('good leverage points') on the statistical inference. Focusing on one-way linear panel data models, we examine asymptotic and finite sample properties of a battery of heteroskedasticity-consistent estimators using Monte Carlo simulations. We also propose a hybrid estimator of the variance-covariance matrix. Results show that conventional standard errors are always dominated by more conservative estimators of the variance, especially in small samples. In addition, all types of HC standard errors have excellent performances in terms of size and power tests under homoskedasticity.