Some properties of the LIML estimator in a dynamic panel structural equation
动态面板结构方程中 LIML 估计量的若干性质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：摘要直接研究动态面板自回归结构方程及时间和截面维度共同增大的估计性质，最明确对应面板数据方法。
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
动态面板结构方程中 LIML 估计量的若干性质
- 研究问题
- 当时间维度与截面维度同时增大时，随机效应面板自回归结构方程中的不同估计量具有怎样的偏差和渐近性质？
- 方法与思路
- 作者比较组内、随机效应准极大似然、GMM 和 LIML 估计量，采用前向滤波，并研究时间维度与截面维度之比的作用。
- 材料陈述的贡献
- 摘要称在所研究的前向滤波设定中，比例不趋于零时前三类估计量存在明显偏差，而 LIML 在该比例趋于常数时具有良好渐近性质。
- 阅读关注点
- 应核对随机效应与结构方程的具体设定、前向滤波后的工具变量构造，以及维度比例条件下偏差表达式和 LIML 的准确极限性质。
- 阅读边界
- 解读限于所给出版社摘要；良好渐近性质的具体含义、有限样本比较及必要条件未说明，不能推出 LIML 在所有动态面板中占优。
原文摘要
We investigate the finite sample and asymptotic properties of the within-groups (WG), the random-effects quasi-maximum likelihood (RQML), the generalized method of moment (GMM) and the limited information maximum likelihood (LIML) estimators for a panel autoregressive structural equation model with random effects when both T (time-dimension) and N (cross-section dimension) are large. When we use the forward-filtering due to Alvarez and Arellano (2003), the WG, the RQML and GMM estimators are significantly biased when both T and N are large while T/N is different from zero. The LIML estimator gives desirable asymptotic properties when T/N converges to a constant.