Robust standard errors in transformed likelihood estimation of dynamic panel data models with cross-sectional heteroskedasticity
横截面异方差下动态面板变换似然估计的稳健标准误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：摘要直接讨论动态面板估计、偶然参数问题及横截面异方差稳健推断。
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
横截面异方差下动态面板变换似然估计的稳健标准误
- 研究问题
- 动态面板误差存在横截面异方差时，按同方差模型实施的变换最大似然估计是否仍一致，如何获得有效标准误？
- 方法与思路
- 作者保留误设的同方差变换似然，分析偶然参数问题，证明估计量的一致性，并推导对未知形式横截面异方差稳健的标准误。
- 材料陈述的贡献
- 摘要称，变换似然估计在横截面异方差下仍一致；模拟中其绝对误差中位数及推断准确性在几乎所有情形下优于所比较的 GMM。
- 阅读关注点
- 应核对一致性所需的样本增长方式、初始条件和误差限制，以及稳健方差公式和 GMM 比较所采用的工具变量设置。
- 阅读边界
- 所给出版社摘要未说明是否允许序列相关或横截面相关；模拟中的相对优势不能推广到未考察的误差结构与工具变量设计。
原文摘要
This paper extends the transformed maximum likelihood approach for estimation of dynamic panel data models by Hsiao et al. (2002) to the case where the errors are cross-sectionally heteroskedastic. This extension is not trivial due to the incidental parameters problem and its implications for estimation and inference. We approach the problem by working with a mis-specified homoskedastic model, and then show that the transformed maximum likelihood estimator continues to be consistent even in the presence of cross-sectional heteroskedasticity. We also obtain standard errors that are robust to cross-sectional heteroskedasticity of unknown form. By means of Monte Carlo simulations, we investigate the finite sample behavior of the transformed maximum likelihood estimator and compare it with various GMM estimators proposed in the literature. Simulation results reveal that, in terms of median absolute errors and accuracy of inference, the transformed likelihood estimator outperforms the GMM estimators in almost all cases.