Robust Density Power Divergence Estimates for Panel Data Models
面板数据模型的稳健密度幂散度估计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。
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：摘要明确为随机效应面板数据回归构造估计方法并研究其性质，直接对应面板数据方向。
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…
面板数据模型的稳健密度幂散度估计
- 研究问题
- 随机效应面板回归中的异常值与数据污染可能损害传统估计，如何构造稳健方法，并评估其渐近性质和有限样本表现？
- 方法与思路
- 作者为随机效应面板回归提出最小密度幂散度估计，建立稳健性与渐近性质，再通过模拟及阿曼气候数据进行评估。
- 材料陈述的贡献
- 摘要称，所提估计量的稳健性和渐近性质得到理论论证，污染数据下的模拟与应用表现优于部分传统方法和稳健方法。
- 阅读关注点
- 核对随机效应与误差分布设定、散度调节参数的选择、污染发生的层级，以及稳健性结论和比较方法各自的适用条件。
- 阅读边界
- 所据为 arXiv 预印本，同行评审及期刊接收未核实；摘要未给出调参规则和具体污染机制，不能据此判断所有污染情形下的优势。
原文摘要
The panel data regression models have become one of the most widely applied statistical approaches in different fields of research, including social, behavioral, environmental sciences, and econometrics. However, traditional least-squares-based techniques frequently used for panel data models are vulnerable to the adverse effects of the data contamination or outlying observations that may result in biased and inefficient estimates and misleading statistical inference. In this study, we propose a minimum density power divergence estimation procedure for panel data regression models with random effects to achieve robustness against outliers. The robustness, as well as the asymptotic properties of the proposed estimator, are rigorously established. The finite-sample properties of the proposed method are investigated through an extensive simulation study and an application to climate data in Oman. Our results demonstrate that the proposed estimator exhibits improved performance over some traditional and robust methods in the presence of data contamination.