Slow Movers in Panel Data
面板数据中的缓慢变动个体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：摘要直接研究面板组内变动不足、相关随机系数模型及平均偏效应推断，因此归入面板数据；未提供宏观或因果识别的明确依据。
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
面板数据中的缓慢变动个体
- 研究问题
- 面板中若大量个体没有或只有很少的组内变动，如何在相关随机系数模型中对平均偏效应进行稳健推断，避免常规方法失效？
- 方法与思路
- 作者提出统一处理无变动与缓慢变动个体的方法，使平均偏效应推断适应不同组内变动分布，并以模拟检验理论主张。
- 材料陈述的贡献
- 摘要称方法偏差更小；所报告模拟中，常规 95% 区间覆盖率为 37%—93%，所提区间为 93%—96%，并非所有情形的保证。
- 阅读关注点
- 应核对平均偏效应的识别、无组内变动个体的信息来源、稳健性涵盖的分布类别，以及偏差控制和区间构造方法。
- 阅读边界
- 这是 arXiv 预印本，同行评审或期刊接收未经核实；摘要未说明识别与渐近条件或模拟设计，给定覆盖率不能外推到任意面板。
原文摘要
Panel data often contain stayers (units with no within-variations) and slow movers (units with little within-variations). In the presence of many slow movers, conventional econometric methods can fail to work. We propose a novel method of robust inference for the average partial effects in correlated random coefficient models robustly across various distributions of within-variations, including the cases with many stayers and/or many slow movers in a unified manner. In addition to this robustness property, our proposed method entails smaller biases and hence improves accuracy in inference compared to existing alternatives. Simulation studies demonstrate our theoretical claims about these properties: the conventional 95% confidence interval covers the true parameter value with 37-93% frequencies, whereas our proposed one achieves 93-96% coverage frequencies.