Another look at the instrumental variable estimation of error-components models
重新审视误差分量模型的工具变量估计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。
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：摘要明确研究随机效应、误差分量、预定变量和个体效应变换，核心是面板估计，未直接提出具体因果效应识别任务。
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
重新审视误差分量模型的工具变量估计
- 研究问题
- 在利用水平信息的随机效应面板模型中，如何容纳预定变量并构造有效率的 IV 估计，消除个体效应的变换又起什么作用？
- 方法与思路
- 作者建立有效率 IV 的统一框架，刻画有效变换及最优估计的不变性，并提出保持误差正交性的变换和相关模型模拟。
- 材料陈述的贡献
- 摘要称，最优估计量不受消除个体效应所用变换影响；新变换保留误差正交性，并讨论预定变量与个体效应恒定相关的模型。
- 阅读关注点
- 应核对预定变量及其与个体效应相关性的限制、水平信息的有效性条件、最优性定义，以及替代变换保持正交性的依据。
- 阅读边界
- 仅依据作者／机构库版本摘要，不能推断后续刊本变化；摘要未列出完整矩条件或模拟数值，变换不变性不能推广到任意估计量。
原文摘要
This article develops a framework for efficient IV estimators of random effects models with information in levels which can accommodate predetermined variables. Our formulation clarifies the relationship between the existing estimators and the role of transformation in panel data models. We characterise the valid transformations for relevant models and show the optimal estimators are invariant to the transformation used to remove individual effects. We present an alternative transformation for models with predetermined instruments which preserves the orthogonality among the errors. Finally, we consider models with predetermined variables that have constant correlation with effects and illustrate their importance with simulations.